Загрузка моделей...
Готовые решения для реального бизнеса и передовые мировые модели на одной платформе. Используйте в браузере, интегрируйте по API или публикуйте свою модель.
Откройте для себя мир готовых ML-решений!
Узнайте, как модели экономят время, деньги и трансформируют бизнес-процессы.
Найдено моделей: 20

Идентификация фродовых транзакций с помощью автоэнкодеров и PCA в платежной системе.

«Система обнаружения поддельных изображений (Deepfake-анализатор)» — модель компьютерного зрения, которая по фотографии определяет, является ли изображение реальным или сгенерированным/поддельным (deepfake). Она подходит для автоматической проверки медиа на подлинность, фильтрации поддельного контента в системах загрузки изображений и повышения качества модерации. Модель легко интегрируется в цифровые платформы и процессы контроля контента.

«Система автоматического обнаружения штрих‑кодов на изображениях» — модель компьютерного зрения, которая анализирует фото и выявляет позиции штрих‑кодов на предметах, упаковке или на производственной линии. Она генерирует координаты коробок, где расположен код, что позволяет автоматизировать процессы распознавания и считывания, снизить ручную работу и ускорить обработку товаров. Решение подходит для ритейла, складов, логистики и автоматизации производства.

Модель компьютерного зрения, которая по фото анализирует наличие водяных знаков, логотипов или защитных эмблем и определяет, присутствуют ли они на изображении. Это помогает автоматизировать проверку подлинности медиа, защиту авторских прав, контролировать соблюдение лицензионных требований и повышать безопасность контента. Модель подходит для интеграции в платформы модерации, DAM-системы и workflow медиа-аналитики.

Модель, которая по фото или видео определяет содержание изображения в контексте безопасности и соответствия нормам бренда. Модель умеет находить потенциально опасные или неподходящие визуальные элементы (насилие, оскорбления, запрещённые объекты) и помогает автоматизировать модерацию загружаемого контента, соблюдение стандартов маркетинга и защита репутации бренда.

Обнаруживает и сегментирует 6 типов повреждений автомобиля. Точность сегментации (mAP50) до 0.994.

Модель классифицирует изображения банкнот, определяя их номинал и валюту (BGN, EUR).

Модель ViT BEiT для определения типа повреждения кузова автомобиля по фотографии — 6 классов (трещина, царапина, спущенное колесо, вмятина, разбитое стекло, разбитая фара).

Kronos-mini - это основанная на трансформерах модель для прогнозирования временных рядов финансовых данных.

Модель обучена на датасете и показывает высокую точность на задаче классификации. Определяет тип перекрытия лица по

Классифицирует тикеты поддержки по категориям для автоматической маршрутизации обращений.

Модель компьютерного зрения, которая по изображению автомобиля определяет его марку, модель, тип кузова или категорию. Это помогает в автоматизации анализа автоданных, каталогизации изображений на сайтах продаж, ускорении оценки страховых случаев и управлении автопарком. Модель подходит для интеграции в CRM, каршеринг, маркетплейсы автомобилей и системы видеонаблюдения.