# 高精度分類

基於ImageNet預訓練的通用視覺感知器模型，採用學習型位置嵌入處理圖像輸入

PP-LCNet_x1_0_table_cls是一個高效的表格分類模型，用於對輸入的表格圖像進行分類，支持有線表格和無線表格的分類。

文檔圖像方向分類模塊，用於區分文檔圖像的方向並通過後處理進行校正，提高OCR處理的準確性。

基於SigLIP2微調的視覺-語言編碼器模型，用於檢測圖像是否為偽造或真實

多語言E5大型池化模型，支持多種語言的句子相似度計算和特徵提取任務。

基於SigLIP 2架構微調的視覺-語言編碼模型，專門用於多類別圖像分類，尤其適用於敏感、暗示性或安全媒體的過濾。

基於XLM-RoBERTa的多語言推特情感分析模型，支持自動訓練（AutoTrain）進行文本分類任務。

基於視覺變換器的二分類模型，專用於檢測深度偽造圖像，準確率達99.2%

多語言E5大型指令模型，支持多種語言的文本嵌入和分類任務，具有強大的跨語言能力。

基於microsoft/mdeberta-v3-base微調的提示注入檢測模型，整合多個數據集訓練，用於識別惡意提示注入攻擊。

Linq-Embed-Mistral 是一個基於 Mistral 架構的嵌入模型，專注於文本分類、檢索和聚類任務，在多個 MTEB 基準測試中表現出色。

專為NSFW內容分級微調的視覺Transformer模型，可識別中性/輕度/中度/重度四級內容風險

基於SigLIP2微調的圖像分類模型，用於檢測圖像是真實拍攝還是AI生成

該模型基於12萬張圖像（6萬張AI生成圖像和6萬張人類圖像）進行微調訓練，專門用於檢測AI生成的高質量圖像。

基於SigLIP2架構微調的時尚圖像分類模型，專為Fashion-MNIST數據集設計

這是一個基於BERT架構的印尼語情感分析模型，能夠將文本分類為正面或負面情感。

輕量級分類器，用於判斷室內房產圖片屬於浴室、臥室、餐廳、廚房還是客廳

基於DeBERTa-v3-large微調的AI生成文本檢測模型，專為學術場景優化

這是一個在豆類數據集上微調的視覺變換器(ViT)模型，用於識別豆類葉片的病害情況。

Llama 3.2 11B Vision Instruct 是一個結合視覺和語言的多模態模型，支持圖像轉文本任務。

在Food101數據集上微調的EfficientNetB4圖像分類模型，支持101種食物類別識別

輕量級BERT模型，專門針對網址分類任務進行微調，能分類良性、釣魚、惡意軟件和篡改四類網址

基於FocalNet微調的NSFW圖像分類模型，用於內容審核任務，將圖像分為安全、需審核、不安全三類。

由Desklib開發的AI生成文本檢測模型，用於區分人類撰寫和AI生成的英文文本，在RAID基準測試中表現領先。

多語言E5大型指令模型，支持多種語言的文本嵌入和分類任務

基於wav2vec2架構的音頻分類模型，適用於氣候相關的聲音分類任務

基於Vision Transformer (ViT)的圖像分類模型，用於區分AI生成與人類創作的圖像，準確率達98%。

基於ModernBERT-large的多任務微調模型，專注於自然語言推理(NLI)任務，在零樣本分類和推理任務中表現優異。

基於Vision Transformer (ViT)架構的微調模型，用於對胸部X光片進行分類，訓練於CheXpert數據集。

基於DistilBERT架構構建的多標籤內容審核系統，用於檢測和分類用戶評論中的潛在有害內容，具有高精度和輕量級特點。

一個基於BERT-LoRA的微調模型，用於高效檢測惡意網址，包括釣魚、惡意軟件和篡改威脅。

基於MCG-NJU/videomae-base微調的視頻分析模型，專注於異常行為檢測任務

基於open_clip庫的零樣本圖像分類模型，專注於醫療領域的圖像分析

基於BERT-base的釣魚郵件/網頁分類模型，在驗證集上達到87.3%準確率

多語言E5大型指令模型，支持多種語言和任務，包括分類、檢索、聚類等。

多語言E5大型指令模型，支持多種語言的文本嵌入和分類任務

AIM-v2是一個基於timm庫的圖像編碼器模型，具有10億參數規模，適用於圖像特徵提取任務。

使用Hugging Face預訓練視覺變換器(ViT)模型實現的圖像分類方案，可將圖像分為六類垃圾

該模型是基於Google的ViT基礎模型在FER2013數據集上微調的面部表情分類器，可將圖像分類為四種面部表情。

該模型用於檢測圖像是真實拍攝還是由AI生成，採用Vision Transformer（ViT）架構提供精準分類。