Vit Roberta Fa Image Captioning Flickr30k

🚀 波斯語圖像描述模型 - hezar

本項目是一個波斯語圖像描述模型，採用了 ViT + RoBERTa 架構，在 flickr30k - fa（由 Sajjad Ayoubi 創建）數據集上進行訓練。該模型能有效為圖像生成波斯語的描述文本，具有較高的應用價值。

🚀 快速開始

本模型可以通過 hezar 庫快速使用，以下為你介紹具體的安裝和使用步驟。

📦 安裝指南

你可以使用 pip 命令來安裝 hezar 庫：

pip install hezar

💻 使用示例

基礎用法

以下代碼展示瞭如何加載模型並對圖像進行描述預測：

from hezar.models import Model

model = Model.load("hezarai/vit-roberta-fa-image-captioning-flickr30k")
captions = model.predict("example_image.jpg")
print(captions)

模型信息