R

Resnet50x4 Clip.openai

timmによって開発
CLIPアーキテクチャに基づくResNet50x4視覚言語モデルで、ゼロショット画像分類タスクをサポート
ダウンロード数 2,303
リリース時間 : 6/9/2024

モデル概要

このモデルはResNet50x4の視覚エンコーダーとCLIPのコントラスティブラーニングフレームワークを組み合わせており、画像とテキストのクロスモーダル理解を実現でき、特にゼロショット画像分類シナリオに適しています。

モデル特徴

ゼロショット学習能力
特定カテゴリの訓練データがなくても新しいカテゴリを分類可能
クロスモーダル理解
視覚情報とテキスト情報を同時に処理し、両者の意味的関連を確立可能
大規模事前学習
大規模な画像-テキストペアで事前学習されており、強力な汎化能力を有する

モデル能力

ゼロショット画像分類
画像-テキストマッチング
クロスモーダル検索

使用事例

コンテンツモデレーション
違反コンテンツ識別
事前に違反サンプルを収集しなくても新たに出現する違反コンテンツタイプを識別可能
電子商取引
商品自動分類
商品説明テキストに基づいて新製品画像を自動分類
AIbase
未来を切り開く、あなたのAIソリューション知識ベース
© 2025AIbase