#召回率
roberta-large-wnut2017 - Roberta-large模型在WNUT2017数据集上的实体识别能力
开源项目tner/roberta-large-wnut2017命名实体识别模型精度超参数搜索Huggingface召回率Github
Roberta-large在WNUT2017数据集上进行微调，F1得分为0.5375。该模型通过T-NER优化，适用于跨领域和多语言的实体识别任务，支持识别人、组织和地点等多种实体。模型通过简易代码实现实体识别，提升文本解析能力。
phibert-finetuned-ner - 微调生物文本识别的新模型提升精度与准确性
精确度训练损失phibert-finetuned-ner模型Github开源项目Adam优化器召回率Huggingface
phibert-finetuned-ner模型是通过微调dmis-lab的biobert-v1.1而实现的，旨在提高生物文本识别领域的精度和准确性。其在评估数据集上取得了精度0.9238和准确性0.9950。此模型适用于生物医学领域的命名实体识别，优化过程中采用了Adam优化器和线性学习率调度策略，在3个训练纪元中实现了低损失与高精确度。
celebs_face_image_detection - 明星面部图像识别的高效开源工具
名人脸部识别HuggingfaceF1分数开源项目模型召回率Githubgoogle/vit-base-patch16-224-in21k精确率
该项目通过处理面部图像来识别明星姓名，准确率约为93%。基于Google的ViT模型进行训练和优化，有效提高识别速度和准确性。Kaggle平台上提供了详细的项目描述，包括丰富的测试数据和分类报告。该工具适用于多种应用场景，如娱乐行业的明星识别、媒体内容管理以及提升用户体验的个性化服务。