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: 258
Инференс

Классификация изображений картофеля по наличию болезней: фитофтороз, альтернариоз или здоровое растение.

Обнаруживает пять категорий болезней листьев цветной капусты на изображениях для автоматизации сельского хозяйства.

«Система определения эмоций в тексте на русском языке» — NLP-модель, которая анализирует текстовые сообщения и определяет эмоциональную окраску (например, позитив, негатив, гнев, радость и др.). Это помогает компаниям автоматически понимать эмоциональный тон отзывов, комментариев и обращений клиентов. Модель особенно полезна для служб поддержки, социальных платформ и внутренней аналитики пользовательских настроений.

Модель классифицирует КТ-снимки почек на четыре категории: киста, норма, камень, опухоль.

Сегментирует дорожные сцены на 7 классов игровых объектов для создания ассетов. mIoU на Cityscapes от 84%.

Обнаруживает монеты на изображениях с помощью модели YOLO.

Модель компьютерного зрения, которая по фотографии определяет редкую породу собаки среди набора поддерживаемых классов. Это решение помогает автоматизировать каталогизацию изображений питомцев, улучшить систему рекомендаций в приложениях для заводчиков и любителей животных, а также поддерживает образовательные и исследовательские проекты. Подходит для интеграции в мобильные приложения, платформы обмена фото и ветеринарные сервисы.

CrackSense AI — специализированная модель машинного обучения для автоматической классификации изображений бетонных поверхностей по наличию трещин. Она помогает идентифицировать дефекты структуры на фотографиях, что ускоряет проверки состояния конструкций и снижает нагрузку на инспекторов. Это важный инструмент для цифровой диагностики строительных объектов и систем мониторинга технического состояния.

Модель распознаёт рукописные цифры (0–9) на изображениях. Она анализирует загруженное изображение и определяет, какая цифра на нём написана, возвращая наиболее вероятный результат и вероятности для нескольких вариантов. Подходит для демонстрации задач компьютерного зрения и классификации изображений.

Модель компьютерного зрения, которая по фото текста определяет используемый шрифт (например, Arial, Times New Roman и др.). Это помогает автоматизировать процессы типографического анализа, сопоставление стиля документов, ускоряет работу дизайнеров и поддерживает задачи бренд‑контроля. Модель подходит для интеграции в дизайнерские инструменты, DAM/EDMS‑системы и платформы контроля визуального соответствия.

Модель YOLOv8 для обнаружения игроков и мяча в видеозаписях женской НБА (WNBA).

Модель Swin-Tiny для классификации изображений пластиковых отходов по кодам переработки.