GitHub 雷达
首次出现 67 天前
openai/CLIP
CLIP是一个由OpenAI开发的对比学习模型,用于在图像和文本之间建立关联,能够根据图像预测最相关的文本描述,实现零样本图像分类。该模型基于PyTorch实现,采用视觉Transformer和文本Transformer双编码器结构,通过对比学习在大规模图像文本对上进行预训练。其核心亮点是无需针对特定任务微调即可直接使用,在ImageNet等基准上达到与ResNet50相当的零样本性能,适用于图像检索、跨模态搜索和少样本学习等场景。
近 7 日
+44
累计 Star
34.3k
Fork
4,048
近 30 日
+135
Star 趋势 · 50 个采集点
+1%7 月 28 日9 月 21 日
语言Jupyter Notebook
分类AI/机器学习
最近提交3 月 26 日
创建时间12 月 16 日
首次收录7 月 28 日 · 自动扫描
README 摘要
CLIP是一个由OpenAI开发的对比学习模型,用于在图像和文本之间建立关联,能够根据图像预测最相关的文本描述,实现零样本图像分类。该模型基于PyTorch实现,采用视觉Transformer和文本Transformer双编码器结构,通过对比学习在大规模图像文本对上进行预训练。其核心亮点是无需针对特定任务微调即可直接使用,在ImageNet等基准上达到与ResNet50相当的零样本性能,适用于图像检索、跨模态搜索和少样本学习等场景。
中文摘要由 AI 生成,仅供参考。
返回 GitHub 雷达在 GitHub 打开
openai/CLIP
67 天前首次出现未被群岛收录CLIP是一个由OpenAI开发的对比学习模型,用于在图像和文本之间建立关联,能够根据图像预测最相关的文本描述,实现零样本图像分类。该模型基于PyTorch实现,采用视觉Transformer和文本Transformer双编码器结构,通过对比学习在大规模图像文本对上进行预训练。其核心亮点是无需针对特定任务微调即可直接使用,在ImageNet等基准上达到与ResNet50相当的零样本性能,适用于图像检索、跨模态搜索和少样本学习等场景。
Jupyter Notebook创建于 2020 年 12 月最近提交 2026 年 3 月
累计 Star
34.3k
近 7 日新增
+44
近 30 日新增
+135
Fork
4,048
Star 趋势
共 50 个采集点 · 近 30 日 +1352026-07-272026-09-20
项目介绍
由 AI 摘自仓库 READMECLIP是一个由OpenAI开发的对比学习模型,用于在图像和文本之间建立关联,能够根据图像预测最相关的文本描述,实现零样本图像分类。该模型基于PyTorch实现,采用视觉Transformer和文本Transformer双编码器结构,通过对比学习在大规模图像文本对上进行预训练。其核心亮点是无需针对特定任务微调即可直接使用,在ImageNet等基准上达到与ResNet50相当的零样本性能,适用于图像检索、跨模态搜索和少样本学习等场景。
仓库信息
Topics
#deep-learning#machine-learning
来自雷达
该项目由雷达自动扫描 GitHub 发现,含 Star 增速、提交活跃度与分类标签,中文摘要由 AI 生成。