基于Google的ViT-base-patch16-224模型微调而成的图像分类模型，在评估集上准确率为68.97%

基于Google的ViT模型微调的情感图像分类模型，在验证集上准确率达到59.38%。

这是一个基于Vision Transformer架构的皮肤类型分类模型，可通过面部图像识别干性、中性和油性三种皮肤类型。

基于facebook/wav2vec2-base微调的音频分类模型，在评估集上达到58.92%的准确率

这是一个通过AutoTrain训练的多类别图像分类模型，专门用于痴呆症相关图像的分类任务。

基于google/vit-base-patch16-224-in21k微调的多标签分类模型，准确率为73.7%

基于 Google 的 ViT 基础架构，在 EuroSAT 遥感图像数据集上微调的图像分类模型

这是一个基于ViT架构的医学图像分类模型，专门用于乳房成分分析，在预处理1024配置数据集上微调。

该模型是基于microsoft/dit-base-finetuned-rvlcdip在图像文件夹数据集上微调的版本，主要用于图像分类任务。

这是一个基于Google的ViT模型进行微调的图像分类模型，在fl_image_category_ds数据集上训练，准确率达到66.22%。

基于microsoft/resnet-18微调的图像分类模型，在fl_image_category_ds数据集上训练

基于预处理1024配置数据集微调的ViT模型，用于图像分类任务

该模型是基于Vision Transformer (ViT)架构的视觉模型，专注于藻类图像的分类任务。

该模型是基于Vision Transformer架构的微调版本，主要用于藻类图像分类任务，在评估集上取得了62.09%的准确率。

基于Google Vision Transformer (ViT)架构的微调模型，专门用于藻类图像分类任务

基于ResNet-50架构微调的面部表情识别模型，在FER2013数据集上训练，准确率达68.47%

这是一个通过AutoTrain训练的多类别图像分类模型，适用于通用物体识别任务

基于ResNet架构的天气图像分类模型，用于识别不同天气条件下的图像

基于ViT架构的图像防伪检测模型，在未知数据集上微调后准确率达70.88%

基于ConvNeXt-Tiny架构的视觉模型，在图像分类任务上进行了微调

基于ResNet50架构微调的表情包分类模型，在图像分类任务上达到57.42%的准确率

该模型是基于google/vit-base-patch16-224-in21k在未知数据集上微调的视觉Transformer模型，主要用于图像分类任务。

基于ViT架构的图像分类模型，用于识别多种虚构生物角色

这是一个基于tiny-random-vit模型在图像分类任务上微调的视觉Transformer模型，在评估集上达到66.47%的准确率。

该模型是基于microsoft/resnet-50在图像文件夹数据集上微调的版本，主要用于图像分类任务。

一个五分类图像分类器，用于识别兽人及其伙伴（地精、小妖精、食人魔、巨魔）

基于facebook/wav2vec2-base微调的语音处理模型，在评估集上准确率达53.57%

Llamastics 是一个基于 PyTorch 的图像分类模型，在 HuggingPics 平台上可用。

基于bert-base-chinese在亚马逊中文评论数据集上微调的文本分类模型