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.
Выбирайте модели по типам задач и возможностям. Найдите решение для вашей задачи из каталога готовых алгоритмов. От генерации изображений и обработки текста до анализа аудио и предсказаний на табличных данных — найдите решение для вашей задачи из каталога готовых алгоритмов.
Найдено моделей: 335
Все категории
![Сегментация глиомы мозга по данным ПЭТ с [18F]Ф-ДОФА](/_next/image?url=https%3A%2F%2Fcdn.qubu.ai%2Fml-models%2Fsegmentatsiya-gliomy-mozga-po-dannym-pet-s-18-f-f-dofa%2F6cd61e0dabff72b86b465daed50c4545.jpg&w=3840&q=75)
Автоматическая сегментация глиомы головного мозга на ПЭТ-изображениях с [18F]Ф-ДОФА.

Классифицирует подводные звуки по категориям: морские животные, суда, природные и другие антропогенные звуки.

Классифицирует изображения образцов керна по девяти классам фракций грунта согласно DIN 4023.

OncoCore Clinical Validator — AI-сервис для клинического аудита онкологических кейсов. Текущая версия принимает текст врача или Patient JSON, извлекает структуру пациента через YandexGPT/OpenRouter Qwen/local ML extractor и проверяет соответствие лечения формализованным clinical rules.

Модель для обнаружения вилочных погрузчиков и людей на изображениях, используя YOLOv8n.

Insect Species Classifier — модель компьютерного зрения для автоматической классификации различных видов насекомых по изображению. Подходит для агротеха, биологических исследований, мониторинга экосистем и образовательных платформ.

Классифицирует 10 болезней листьев апельсина по фотографии. Точность 99.65% на 5185 изображениях.

Определяет 7 эмоций в речи: от злости до удивления. Использованы Wav2Vec2 + 4 датасета.

Классифицирует болезни деревьев по фотографиям, помогая в ранней диагностике и профилактике.

Модель RT-DETRv2 для обнаружения объектов с улучшенной производительностью и скоростью в реальном времени.

Модель YOLOv8m для обнаружения погрузчиков и людей в производственных и складских помещениях. mAP@0.5 = 84,6%. Применяется в системах безопасности и мониторинга складской техники.

Модель классифицирует изображения кожи на предмет наличия акне, чистой кожи или комедонов.