Clip ViT B 32 Vision

🚀 ONNX版clip-ViT-B-32图像分类模型

本项目是 sentence-transformers/clip-ViT-B-32 的ONNX移植版本，可用于图像分类和相似度搜索任务，为相关应用提供高效、准确的图像特征提取能力。

🚀 快速开始

本模型适用于图像分类和相似度搜索场景。下面将展示如何使用 FastEmbed 库配合该模型进行推理。

💻 使用示例

基础用法

from fastembed import ImageEmbedding

images = [
    "./path/to/image1.jpg",
    "./path/to/image2.jpg",
]

model = ImageEmbedding(model_name="Qdrant/clip-ViT-B-32-vision")
embeddings = list(model.embed(images))

# [
#   array([-0.1115,  0.0097,  0.0052,  0.0195, ...], dtype=float32),
#   array([-0.1019,  0.0635, -0.0332,  0.0522, ...], dtype=float32)
# ]

📄 许可证

本项目采用MIT许可证。