se_resnext101_32x4d.imagenet
smp-hub基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
入力 画像→ 出力 未確認
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗DISCOVER & COMPARE
AIモデルを探す 1529
se_resnext50_32x4d.imagenet
smp-hub--- library_name: segmentation-models-pytorch license: other pipeline_tag: image-classification tags: - segmentation-models-pytorch - image-classification - pytorch - se_resnext languages: - python --- This repository contains the `imagenet` pre-trained weights for the `se_resnext50_32x4d` model used as encoder in the segmentation-models-pytorch library.
翻訳待ち・原文を表示
入力 画像→ 出力 未確認
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
入力 画像→ 出力 未確認
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
入力 画像→ 出力 未確認
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
入力 画像→ 出力 未確認
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
入力 画像→ 出力 未確認
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗--- library_name: segmentation-models-pytorch license: other pipeline_tag: image-classification tags: - segmentation-models-pytorch - image-classification - pytorch - efficientnet languages: - python --- This repository contains the `noisy-student` pre-trained weights for the `timm-efficientnet-b4` model used as encoder in the segmentation-models-pytorch library.
翻訳待ち・原文を表示
入力 画像→ 出力 未確認
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
入力 画像→ 出力 未確認
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗EfficientNetV2-S-ExecuTorch
software-mansionThis repository hosts the **efficientnet-v2-s** models exported for the React Native ExecuTorch library as ExecuTorch `.pte` programs, ready to run on device. A backend directory carrying a `NOTES.md` and no `.pte` was exported and not published. Its note records what went wrong. These files are published for the **ExecuTorch v1.4.1** runtime. ExecuTorch gives no forward compatibility guarantee, so an older runtime may fail to load them.
翻訳待ち・原文を表示
入力 画像→ 出力 未確認
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗ai-image-detector-deploy-ONNX
SoldadoXara基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
入力 画像→ 出力 未確認
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗Inception V3 model for automated classification of plankton and other particles imaged by the Imaging FlowCytobot (IFCB) on the Northeast U.S. Shelf (NES). Classifies 155 categories including phytoplankton, microzooplankton, detritus, and imaging artifacts. This model is intended for automated taxonomic classification of IFCB imagery collected on the Northeast U.S. Shelf. It is suitable for operational use in plankton monitoring pipelines. Performance may degrade on IFCB data from other geographic regions or instruments with significantly different optical configurations. The main "cuda optimized" and "cpu" model versions return equivalent results. Both models will run fine on cpu or gpu.
翻訳待ち・原文を表示
入力 画像→ 出力 未確認
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗lab1-cifar10
SpringmanSubmission branch: `s_109197_103216`. Fine-tuned ImageNet ResNet-18 in Google Colab; only layer4 and fc are updated. The learning rate and epoch are selected by validation accuracy. The test split is used only after model selection. Seed: 42. Samples: train=10000, validation=2000, test=2000. Validation accuracy: 0.8905; test accuracy: 0.8815. Classes: airplane, automobile, bird, cat, deer, dog, frog, horse, ship, truck. This model recognizes these ten classes and does not detect out-of-distribution images. CIFAR-10 consists of small 32x32 images, so predictions on arbitrary photographs may be unreliable.
翻訳待ち・原文を表示
入力 画像→ 出力 未確認
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
入力 画像→ 出力 未確認
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗chart-recognizer
StephanAkkerman基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
入力 画像→ 出力 未確認
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗nsfw-image-detection
strangerguardhf基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
入力 画像→ 出力 未確認
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗gender-classification-tflite
SynthAIzerTensorFlow and TFLite conversion of rizvandwiki/gender-classification-2 (ViT). Please check the original model card for license and training details. Note: converted with SELECT_TF_OPS, so on Android add `org.tensorflow:tensorflow-lite-select-tf-ops`.
翻訳待ち・原文を表示
入力 画像→ 出力 未確認
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗lab1-cifar10-mobilenet
SzymonNabrzuchowskiA torchvision MobileNetV3 Small initialized with ImageNet pretrained weights and fine-tuned on CIFAR-10 using a GPU in Google Colab. The final classification layer predicts 10 classes: airplane, automobile, bird, cat, deer, dog, frog, horse, ship, truck. The checkpoint was selected using validation accuracy. The test set was evaluated after checkpoint selection.
翻訳待ち・原文を表示
入力 画像→ 出力 未確認
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
入力 画像→ 出力 未確認
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
入力 画像→ 出力 未確認
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
入力 画像→ 出力 未確認
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
入力 画像→ 出力 未確認
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗what-car-is-this-expanded
Tanuj124A locally trained vehicle classifier covering **239 model families across 42 manufacturers**. Its 346 leaf labels combine 196 original generation categories and 150 added model-only families. Generation and year fields are null for the added families; it does not infer trims or invent production years. **Status:** 30 expanded-training epochs completed; calibration, held-out test, safetensors export and exported CPU inference verified on October 18, 2026. Original implementation code, acquisition/preparation, training, evaluation and inference modules are included. No external inference service is used. Evaluated on **11,683 images**, after checkpoint selection on a separate validation split and calibration on 4,677 separate images.
翻訳待ち・原文を表示
入力 画像→ 出力 未確認
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗cifar10-vit-tiny
TestingProfile111基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
入力 画像→ 出力 未確認
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗stanford-car-vit-patch16
therealcyberlordThis achieves around 86% on the testing set, you can use it as a baseline for further tuning. The Stanford car dataset contains 16,185 images of 196 classes of cars. Classes are typically at the level of Make, Model, Year, e.g. 2012 Tesla Model S or 2012 BMW M3 coupe. The data is split into 8144 training images, 6,041 testing images, and 2000 validation images in this case. 3D Object Representations for Fine-Grained Categorization Jonathan Krause, Michael Stark, Jia Deng, Li Fei-Fei 4th IEEE Workshop on 3D Representation and Recognition, at ICCV 2013 (3dRR-13). Sydney, Australia. Dec. 8, 2013.
翻訳待ち・原文を表示
入力 画像→ 出力 未確認
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗該当するモデルがありません
提供元・分類・入出力の条件を変更してください。新しいモデルを随時追加しています。
COST EXPLORER
モデル選びに、費用の視点も。
月間トークン数を調整してAPI費用を比較。
1 M = 100万トークン・米ドル
同一チャネルの基本テキスト料金を比較
同一チャネルの基本テキスト料金を比較
収集済みの比較可能な100万トークン当たり米ドル料金です。キャッシュ割引、段階料金、追加推論出力、税金は含みません。最新料金は出典で確認してください。
MODEL HANDBOOK
モデルを理解して選ぶ
API料金はどう比較しますか？+
入力・出力・キャッシュ料金を分け、同じ用途と使用量で総費用を比較します。画像・音声・動画は枚数、時間、解像度で課金される場合があります。
オープンウェイトは無料で商用利用できますか？+
必ずしもそうではありません。バージョンごとのライセンス、商用制限、ポリシーを確認してください。自前運用には計算資源と保守費用も必要です。
ランキング1位が最適ですか？+
順位はテスト、バージョン、評価方法によります。実際の業務データで精度、遅延、安定性、費用を比較してください。