AI モデル
SAM 3は、ユーザーがテキストとビジュアルプロンプトを利用して、画像や動画内のオブジェクトを正確に特定、セグメント化、追跡できるようにします。近日中にMeta AIアプリのInstagram EditsおよびVibesで利用可能になり、ユーザーの動画制作を向上させます。
ベスト コンピュータービジョンツール AI モデル
17 件のツールAI モデルの最高の場を見つける — DistilGPT2やClaude Opusのような言語トランスフォーマーから、GPT-5.6: Frontier intelligenceやGoogle DeepMindのGemini 3.1 Proといった高度なシステムまで、開発者や研究者がプロジェクトを向上させるツールを探求する場です: 人間のようなテキストを生成したり、会話エージェントを構築したり、複雑なアルゴリズムを開発したり、AIの能力の限界を押し広げたりします。 AIモデルとLLM, 機械学習プラットフォーム, 科学的発見・ラボツール, 3Dモデル生成ツール と 自然言語処理ツール などのカテゴリーにわたる 17 件のAI モデルをご覧ください。
17 tools
DETRは、Transformerをコアコンポーネントとして統合した、エンドツーエンドの物体検出およびパノプティックセグメンテーションフレームワークです。アーキテクチャを簡素化し、直接的に物体セットを予測し、COCOのような挑戦的なデータセットで最先端のパフォーマンスを達成し、コンピュータビジョンタスクに対してより柔軟で合理化されたアプローチを提供します。
AI モデル
Densenetは、PyTorchで利用可能なディープ畳み込みニューラルネットワークアーキテクチャです。各層をフィードフォワード方式で他のすべての層に接続することで、特徴伝播と再利用を強化します。このモデルはImageNetで事前学習済みであり、画像分類タスク向けにdensenet121、densenet169、densenet201、densenet161…
MobileNetsは、TensorFlow向けのモバイルファーストなコンピュータビジョンモデルファミリーであり、効率的なオンデバイスまたは組み込みアプリケーション向けに設計されています。計算量、電力、スペースを最小限に抑えながら精度を最大化するため、インターネット接続なしでのリアルタイム視覚認識に最適です。
AI モデル
FaceNetは、FaceNet論文に基づいた顔認識およびクラスタリングのためのTensorFlow実装です。ディープラーニングモデルを活用して顔の統一された埋め込みを生成し、正確な識別とグループ化を可能にします。このプロジェクトは、事前学習済みモデルとカスタム分類器をトレーニングするためのコードを提供します。
AI モデル
MMAction2は、アクション認識およびビデオ理解タスクのための基盤となるライブラリです。PyTorch上に構築され、OpenMMLabエコシステムと統合されており、最先端のビデオ分析モデルの開発とデプロイのための包括的なツールキットを提供します。このドキュメントには、チュートリアル、APIリファレンス、およびプロジェクト情報が含まれています。
AI モデル
Fast R-CNNは、物体検出のための深層学習フレームワークです。R-CNNやSPPnetのような以前の手法と比較して、トレーニングとテストを大幅に高速化し、ベンチマークデータセットでより高い精度を達成します。PythonとC++/Caffeで記述されており、コンピュータビジョンの研究者や開発者にとって適しています。
AI モデル
py-faster-rcnnは、Faster R-CNNオブジェクト検出モデルのPython実装です。公式のMATLABバージョンに代わるもので、CPUベースのPythonレイヤーによるテスト時の速度のわずかな違いを除き、同等の精度を提供します。このプロジェクトはDetectronへの移行のため非推奨となっています。
AI モデル
CaffeフレームワークとSSD実装による物体検出。このリポジトリは、高速でオープンなディープラーニングフレームワークを提供し、特にSingle Shot MultiBox Detectorに特化しています。単一のモデルで物体検出ネットワークのトレーニングと評価を可能にし、効率的なパフォーマンスを実現します。
AI モデル
Feature Pyramid Networks (FPN)は、計算オーバーヘッドを最小限に抑えながら、ディープ畳み込みネットワークからマルチスケール特徴マップを生成することで、物体検出を強化します。このアーキテクチャは、さまざまなサイズの物体に対する精度を向上させ、リアルタイム検出タスクに実用的かつ効率的なソリューションを提供します。
AI モデル
DeepLabは、意味的画像セグメンテーションのための最先端の深層学習モデルです。このTensorFlow実装は、PASCAL VOCやCityscapesなどのデータセットでのセグメンテーション結果のトレーニング、評価、および視覚化のためのコードを提供します。ピクセルレベルのラベリングのための様々なネットワークバックボーンと高度な機能をサポートしています。
AI モデル
ViT-Adapterは、物体検出やセグメンテーションなどの密な予測タスクにおいて、Vision Transformer (ViT) の性能を向上させるAIモデルです。事前学習なしで画像固有の帰納バイアスを導入し、プレーンなViTが特殊なTransformerと同等の結果を達成できるようにすることで、様々な下流アプリケーションに適しています。
TimeSformerは、セルフアテンションTransformerのみを利用した革新的なビデオ理解AIアーキテクチャです。アクション認識ベンチマークで最先端の結果を達成し、従来の3D CNNと比較してトレーニングが大幅に高速化され、推論計算コストが低減されます。これにより、より複雑なビデオ分析やリアルタイムアプリケーションが可能になります。
GIT (Generative Image-to-text Transformer) は、Microsoft が開発したビジョンと言語タスク向けの AI モデルです。画像からテキストの説明を生成し、ビジュアル質問応答を実行できます。このモデルは、多様なアプリケーションに対応するために、さまざまな事前学習済みおよびファインチューニング済みのバージョンを提供して…
AI モデル
R-FCNは、完全畳み込みネットワークを活用した領域ベースの物体検出フレームワークであり、高精度かつ効率的な画像解析を実現します。画像全体で計算を共有することで、ResNetのような強力な分類器バックボーンの採用を可能にし、物体検出能力を向上させます。
Squeeze-and-Excitation Networks (SENet) は、チャネルごとの特徴応答を適応的に再調整する深層学習モデルアーキテクチャです。チャネル間の相互依存性を明示的にモデル化することでパフォーマンスを向上させ、画像分類タスクの精度を改善します。実装は Caffe で提供されています。
Panoptic FPNは、インスタンスセグメンテーションとセマンティックセグメンテーションを単一のネットワークアーキテクチャに統合します。共有されたFeature Pyramid Networkバックボーンを用いたセマンティックセグメンテーションブランチをMask…
AI モデルにふさわしい注目の存在を知っていますか？
ToolPotionは、最高のAI モデルを見つけるために人々が閲覧するAIツールディレクトリです。掲載は無料で、すべての投稿は編集者がレビューします。検索の出発点にあなたのツールを置きましょう。