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: 112

Minc-Materials-23 — это специализированная модель компьютерного зрения для классификации 23 типов материалов по их внешнему виду на фотографиях. Модель дообучена на базе современной архитектуры google/siglip2 и способна распознавать такие материалы, как дерево, металл, ткань, стекло, камень, кожа, пластик и другие. Она идеально подходит для автоматизации задач в строительстве, ритейле, робототехнике и сфере экологического мониторинга.

По фотографии определяет вид гриба среди поддерживаемых категорий. Это решение помогает фермерам и любителям активного отдыха быстро ориентироваться в типах грибов, автоматизировать каталогизацию визуальных данных и поддерживать приложения по сбору/продаже грибной продукции. Подходит для интеграции в мобильные гиды по грибам, системы мониторинга лесных ресурсов и образовательные платформы.

Модель для классификации рентгеновских снимков на наличие или отсутствие переломов костей.

Классифицирует изображения биопсии на аденокарциному, норму, предраковое состояние и плоскоклеточную карциному.

«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.

Модель компьютерного зрения, которая по фото определяет тип фрукта (например, яблоко, банан, апельсин и др.). Это решение помогает автоматизировать процессы сортировки продукции, ускорить приемку/отгрузку, организовать визуальный контроль качества и интегрировать распознавание фруктов в приложения для фермеров, ритейлеров и логистических сервисов.

Модель для обнаружения глаукомы Эта модель обнаруживает глаукому на изображениях глазного дна (сетчатки) с использо

C высокой точностью определяет 6 видов дефектов на стальных поверхностях по изображениям 224x224 RGB.

Определяет сонливость водителя по видеоизображению с точностью 97.5%. Обучен на датасете UTA RLDD.

Классифицирует изображения чугунных ванн, радиаторов, стальных ванн, кабелей и труб.

Классифицирует состояние дорожного покрытия на хорошее и повреждённое по фотографиям

Классификация бананов по степени созревания: незрелые, спелые, перезрелые, гнилые.