# 多標籤識別

GLiNER-BioMed是基於GLiNER框架的高效開放生物醫學命名實體識別模型套件，專為生物醫學領域設計，能夠識別多種實體類型。

基於ONNX格式的輕量級零樣本目標檢測模型，兼容Transformers.js，適用於瀏覽器端部署。

MobileCLIP S2 是一個輕量級的視覺-語言模型，專注於圖像特徵提取和零樣本圖像分類任務。

MobileCLIP S0 是蘋果 ml-mobileclip 項目的 ONNX 適配版本，專為移動設備優化的零樣本圖像分類模型。

OWL-ViT是一個基於視覺Transformer的零樣本目標檢測模型，能夠在不進行微調的情況下檢測新類別的物體。

基於bert-base-uncased模型微調的分類模型，在特定任務上達到91.13%的準確率

基於Google Vision Transformer微調的多標籤圖像分類模型，專門用於識別動畫劇集《飛出個未來》截圖中的內容。

這是一個基於零樣本分類技術的模型，能夠在不進行特定訓練的情況下對文本進行分類。