Project Icon

ViT-SO400M-14-SigLIP

基于SigLIP的视觉-语言模型实现零样本图像分类

ViT-SO400M-14-SigLIP是基于WebLI数据集训练的视觉-语言预训练模型,采用sigmoid损失函数进行图像和文本的联合学习。该模型在零样本图像分类任务中表现出色,具有良好的跨模态理解能力。通过OpenCLIP和timm库,用户可以方便地使用该模型生成图像和文本嵌入。ViT-SO400M-14-SigLIP适用于图像分类、图像检索等多种计算机视觉和自然语言处理任务。

clip-rsicd-v2 - 专为遥感图像优化的零样本分类和检索模型
CLIPGithubHuggingfaceTransformer图像检索开源项目模型遥感图像零样本分类
clip-rsicd-v2是一个基于CLIP的微调模型,专注于提升遥感图像的零样本分类和检索能力。该模型采用ViT-B/32架构和掩码自注意力Transformer分别作为图像和文本编码器。通过在RSICD、UCM和Sydney等遥感数据集上训练,clip-rsicd-v2在多项检索任务中显著超越原始CLIP模型。研究人员可利用此模型深入探究计算机视觉模型的鲁棒性和泛化能力。
CLIP-convnext_base_w-laion2B-s13B-b82K-augreg - ConvNeXt-Base架构的CLIP模型用于高效图像分类
CLIPConvNeXtGithubHuggingfaceLAION-5B图像检索开源项目模型零样本图像分类
该项目提供了一系列基于ConvNeXt-Base架构的CLIP模型,在LAION-5B数据集子集上训练。这些模型作为ViT和ResNet的替代方案,在模型规模和图像分辨率方面展现出良好的可扩展性。经过13B样本训练,模型在ImageNet零样本分类任务中达到70.8%以上的top-1准确率,体现出较高的样本效率。这些模型可应用于零样本图像分类、图像文本检索等多种任务。
owlvit-large-patch14 - 基于Vision Transformer的零样本目标检测模型
GithubHuggingfaceOWL-ViT多模态模型开源项目模型物体检测视觉变换器零样本学习
OWL-ViT模型采用CLIP和Vision Transformer架构,实现了零样本文本条件目标检测。它可以根据文本查询识别图像中的物体,无需预先定义类别。该模型在大规模图像-文本数据集上进行训练,并在COCO和OpenImages等数据集上微调。OWL-ViT为计算机视觉研究提供了新的可能性,尤其在零样本目标检测领域。
CLIP-ViT-B-32-DataComp.XL-s13B-b90K - 基于DataComp-1B训练的CLIP图像分类模型
CLIPDataCompGithubHuggingface人工智能图像分类开源项目机器学习模型
CLIP ViT-B/32是一个使用DataComp-1B数据集训练的图像分类模型,在ImageNet-1k测试中达到72.7%零样本分类准确率。模型支持图像分类、图像文本检索等功能,主要面向多模态机器学习研究使用。
clip-vit-large-patch14-336 - 大规模视觉语言预训练模型CLIP-ViT-Large
CLIPGithubHuggingfaceViT开源项目模型模型卡片深度学习计算机视觉
CLIP-ViT-Large-Patch14-336是一个基于Vision Transformer架构的视觉语言预训练模型。该模型采用ViT-Large结构,patch大小14x14,输入图像尺寸336x336。它能同时处理图像和文本信息,适用于图像分类、图文检索等多模态任务。虽然训练数据和具体性能未知,但该模型有潜力在视觉语言任务中取得良好表现。
chinese-clip-vit-huge-patch14 - 基于ViT-H/14和RoBERTa的中文图文对比学习模型
Chinese-CLIPGithubHuggingface中文数据集图像编码器开源项目文本编码器检索模型
chinese-clip-vit-huge-patch14是一个基于ViT-H/14和RoBERTa-wwm-large的中文CLIP模型,在大规模中文图文数据上训练,表现卓越。支持在MUGE、Flickr30K-CN和COCO-CN等数据集中的图文检索和零样本分类。提供API实现简便的图文特征提取及相似度计算,详情请参见GitHub仓库。
vit_base_patch32_clip_384.openai_ft_in12k_in1k - 采用ViT技术的视觉Transformer模型
Fine-tuningGithubHuggingfaceVision Transformertimm图像分类开源项目模型预训练
这款视觉Transformer图像分类模型由OpenAI基于WIT-400M数据集使用CLIP技术预训练,并经过ImageNet-12k和ImageNet-1k数据集微调。作为一种强大的图像分类和嵌入模型,其参数量达88.3M,计算量为12.7 GMACs,设计用于384x384图像。支持通过`timm`库接口调用,满足多种视觉任务需求,在图像识别和分析领域表现出稳定性能。
vit_small_r26_s32_384.augreg_in21k_ft_in1k - ResNet与Vision Transformer结合的图像分类模型解析
GithubHuggingfaceImageNetViTtimm图像分类增广正则化开源项目模型
该模型结合ResNet与Vision Transformer(ViT)的特点,专用于图像分类。最初在ImageNet-21k上训练,后在ImageNet-1k上微调,并在JAX中创建,由Ross Wightman移植到PyTorch环境中。模型采用了36.5M参数和27.7M激活,针对384x384图像进行了优化,通过增强和正则化技术提升了处理复杂图像任务的能力,适用于多种图像识别应用。
Long-CLIP - CLIP模型长文本处理能力升级 显著提升图像检索效果
AI模型CLIPGithubLong-CLIP开源项目文本-图像检索零样本分类
Long-CLIP项目将CLIP模型的最大输入长度从77扩展到248,大幅提升了长文本图像检索性能。在长标题文本-图像检索任务中,R@5指标提高20%;传统文本-图像检索提升6%。这一改进可直接应用于需要长文本处理能力的各类任务,为图像检索和生成领域带来显著进展。
vit_giant_patch14_dinov2.lvd142m - 基于Vision Transformer的无监督视觉特征提取模型
DINOv2GithubHuggingfaceVision Transformer图像分类图像特征提取开源项目模型自监督学习
该项目介绍了使用DINOv2方法的Vision Transformer(ViT)模型,通过无监督学习在LVD-142M数据集上进行预训练。这一模型适用于图像分类和嵌入,帮助提取稳健的视觉特征以及实现高效的图像识别。ViT模型的参数量为1136.5M和1784.2 GMACs,显现出其出色的性能和灵活性。用户可以在GitHub查看和下载该模型的代码和更多资源。
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号