# 高精度分类

PP-LCNet_x1_0_table_cls是一个高效的表格分类模型，用于对输入的表格图像进行分类，支持有线表格和无线表格的分类。

文档图像方向分类模块，用于区分文档图像的方向并通过后处理进行校正，提高OCR处理的准确性。

基于SigLIP2微调的视觉-语言编码器模型，用于检测图像是否为伪造或真实

多语言E5大型池化模型，支持多种语言的句子相似度计算和特征提取任务。

基于SigLIP 2架构微调的视觉-语言编码模型，专门用于多类别图像分类，尤其适用于敏感、暗示性或安全媒体的过滤。

基于XLM-RoBERTa的多语言推特情感分析模型，支持自动训练（AutoTrain）进行文本分类任务。

基于视觉变换器的二分类模型，专用于检测深度伪造图像，准确率达99.2%

多语言E5大型指令模型，支持多种语言的文本嵌入和分类任务，具有强大的跨语言能力。

基于microsoft/mdeberta-v3-base微调的提示注入检测模型，整合多个数据集训练，用于识别恶意提示注入攻击。

Linq-Embed-Mistral 是一个基于 Mistral 架构的嵌入模型，专注于文本分类、检索和聚类任务，在多个 MTEB 基准测试中表现出色。

专为NSFW内容分级微调的视觉Transformer模型，可识别中性/轻度/中度/重度四级内容风险

基于SigLIP2微调的图像分类模型，用于检测图像是真实拍摄还是AI生成

该模型基于12万张图像（6万张AI生成图像和6万张人类图像）进行微调训练，专门用于检测AI生成的高质量图像。

基于SigLIP2架构微调的时尚图像分类模型，专为Fashion-MNIST数据集设计

这是一个基于BERT架构的印尼语情感分析模型，能够将文本分类为正面或负面情感。

轻量级分类器，用于判断室内房产图片属于浴室、卧室、餐厅、厨房还是客厅

基于DeBERTa-v3-large微调的AI生成文本检测模型，专为学术场景优化

这是一个在豆类数据集上微调的视觉变换器(ViT)模型，用于识别豆类叶片的病害情况。

Llama 3.2 11B Vision Instruct 是一个结合视觉和语言的多模态模型，支持图像转文本任务。

在Food101数据集上微调的EfficientNetB4图像分类模型，支持101种食物类别识别

轻量级BERT模型，专门针对网址分类任务进行微调，能分类良性、钓鱼、恶意软件和篡改四类网址

基于FocalNet微调的NSFW图像分类模型，用于内容审核任务，将图像分为安全、需审核、不安全三类。

由Desklib开发的AI生成文本检测模型，用于区分人类撰写和AI生成的英文文本，在RAID基准测试中表现领先。

多语言E5大型指令模型，支持多种语言的文本嵌入和分类任务

基于wav2vec2架构的音频分类模型，适用于气候相关的声音分类任务

基于Vision Transformer (ViT)的图像分类模型，用于区分AI生成与人类创作的图像，准确率达98%。

基于ModernBERT-large的多任务微调模型，专注于自然语言推理(NLI)任务，在零样本分类和推理任务中表现优异。

基于Vision Transformer (ViT)架构的微调模型，用于对胸部X光片进行分类，训练于CheXpert数据集。

基于DistilBERT架构构建的多标签内容审核系统，用于检测和分类用户评论中的潜在有害内容，具有高精度和轻量级特点。

一个基于BERT-LoRA的微调模型，用于高效检测恶意网址，包括钓鱼、恶意软件和篡改威胁。

基于MCG-NJU/videomae-base微调的视频分析模型，专注于异常行为检测任务

基于open_clip库的零样本图像分类模型，专注于医疗领域的图像分析

基于BERT-base的钓鱼邮件/网页分类模型，在验证集上达到87.3%准确率

多语言E5大型指令模型，支持多种语言和任务，包括分类、检索、聚类等。

多语言E5大型指令模型，支持多种语言的文本嵌入和分类任务

AIM-v2是一个基于timm库的图像编码器模型，具有10亿参数规模，适用于图像特征提取任务。

使用Hugging Face预训练视觉变换器(ViT)模型实现的图像分类方案，可将图像分为六类垃圾

该模型是基于Google的ViT基础模型在FER2013数据集上微调的面部表情分类器，可将图像分类为四种面部表情。

该模型用于检测图像是真实拍摄还是由AI生成，采用Vision Transformer（ViT）架构提供精准分类。

基于Vision Transformer (ViT)架构的糖尿病视网膜病变分类模型，用于眼底图像的自动分析