CLIP — پیشآموزش زبان-تصویرِ تقابلی
CLIP (پیشآموزش زبان-تصویرِ تقابلی) مدلی بینایی-زبان است که توسط رادفورد و همکاران در OpenAI در سال ۲۰۲۱ معرفی شد و با آموزش بر روی ۴۰۰ میلیون جفت تصویر-متنِ برگرفته از اینترنت با استفاده از هدفی تقابلی، بازنماییهای همترازِ تصویر و متن را به طور مشترک میآموزد و انتقالِ بدونِ نمونه (zero-shot) به وظایفِ طبقهبندیِ تصویر را بدون هیچگونه تنظیمِ دقیقِ ویژهٔ وظیفه، ممکن میسازد.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- Radford, A., Kim, J. W., Hallacy, C., Ramesh, A., Goh, G., Agarwal, S., Sastry, G., Askell, A., Mishkin, P., Clark, J., Krueger, G., & Sutskever, I. (2021). Learning Transferable Visual Models From Natural Language Supervision. Proceedings of the 38th International Conference on Machine Learning, PMLR 139, 8748–8763. link ↗
- Radford, A., et al. (2021). Learning Transferable Visual Models From Natural Language Supervision. arXiv:2103.00020. link ↗
- Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning. MIT Press. ISBN: 978-0-262-03561-3
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Contrastive Language-Image Pretraining. ScholarGate. https://scholargate.app/fa/deep-learning/clip
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- ResNet (شبکه باقیمانده)یادگیری عمیق↔ compare
- ترنسفورمر بینایییادگیری عمیق↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →