# 多類別分類

基於microsoft/deberta-v3-large微調的新聞標題多類別分類模型，支持7個新聞類別分類。

基於DistilBERT的快速輕量級文本審核模型，可高效分類11種違規內容類型

基於BERT的文本分類模型，用於識別用戶在對話中的意圖

使用Vision Transformer (ViT)架構的面部圖像分類模型，用於檢測乾性、中性、油性三種皮膚類型

這是一個基於MIT許可證的零樣本分類模型，適用於多種分類任務而無需特定訓練。

基於Google Vision Transformer (ViT)架構的名人分類模型，用於識別1000位頂級名人

用於識別服裝圖案類型的分類模型，支持21種圖案類別識別。

基於BERT-base-uncased的新聞分類模型，能夠對多種新聞類別進行準確分類。

基於Distilbert的文本分類模型，用於檢測句子中的刻板印象內容

基於RuBERT微調的俄語多類別情感分類模型，支持中性、積極和消極三種情感分類。

這是一個基於AutoTrain訓練的多類別圖像分類模型，用於識別不同種族特徵。

這是一個基於ImageNet-1k數據集訓練的視覺圖像分類模型，能夠識別多種常見物體和場景。

這是一個通過AutoTrain訓練的多類別圖像分類模型，專門用於痴呆症相關圖像的分類任務。

這是一個通過AutoTrain訓練的多類別圖像分類模型，在驗證集上表現出色，所有評估指標均達到1.0。

該模型是基於microsoft/beit-base-patch16-224-pt22k-ft22k微調的圖像分類模型，在評估集上準確率達到93.59%。

這是一個使用AutoTrain訓練的天氣圖像分類模型，能夠準確識別不同天氣類型的圖像。

這是一個基於AutoTrain訓練的多類別圖像分類模型，專門用於天氣分類任務。

這是一個使用AutoTrain訓練的多類別圖像分類模型，在旗幟數據集上表現優異。

基於Google Vision Transformer (ViT)架構的食品圖像分類模型，在Food101數據集上微調，準確率達90.9%

這是一個基於Google的ViT模型在food101數據集上微調的食物分類模型，準確率達到89.5%。

升級版食品分類圖像識別模型，能夠識別12種不同類別的食品

這是一個基於HuggingPics生成的圖像分類模型，專門用於識別收據、紙張、發票和文檔等類別。

這是一個基於AutoTrain訓練的多類別圖像分類模型，專門用於旗幟識別任務。

基於ViT架構的食品圖像分類模型，在Food101數據集上微調，準確率達89.7%

一個基於PyTorch和HuggingPics的酒店圖像分類模型，能夠識別酒店環境中的不同場景和設施。

Keras 提供的圖像分類模型，支持多種預訓練架構，適用於常見的圖像分類任務。

基於Google的ViT模型在Food101數據集上微調的圖像分類模型，準確率達到85.39%

由HuggingPics生成的圖像分類模型，準確率達94.5%

這是一個採用監督對比學習技術訓練的CIFAR-10圖像分類模型，測試準確率達到81.06%

這是一個基於AutoNLP訓練的多類別分類模型，專門用於處理歌曲歌詞文本分類任務。

這是一個基於AutoNLP訓練的多類別分類模型，專門用於銀行交易分類任務。

基於稀疏注意力的Transformer模型，專為移動應用描述分類任務微調

這是一個基於AutoNLP訓練的多類別分類模型，專門用於處理歌曲歌詞文本分類任務。

該模型用於預測法語政治語句的性質類別，分為問題、解決方案和其他三類。

這是一個基於AutoNLP訓練的孟加拉語多類別分類模型，在indic_glue數據集上表現優異。

這是一個基於BERT架構微調的土耳其語文本分類模型，能夠將土耳其語文本分類到7個預定義的類別中。

該模型可根據約200字的中文劇情簡介預測故事年代背景，基於影視劇數據集訓練。

基於Yanzhu/bertweetfr-base微調的COVID相關法語推文分類模型，用於識別推文討論的COVID相關主題。