Многоязычная классификация изображений
Многоязычная классификация изображений обучает визуальные модели распознавать и маркировать изображения, когда названия классов, сигналы обучения или оценочные эталонные тесты охватывают несколько языков. Благодаря многоязычным моделям зрения-языка, таким как CLIP, она позволяет одной модели классифицировать изображения, используя подсказки или метки на любом поддерживаемом языке, что облегчает межкультурное и межъязыковое развертывание систем компьютерного зрения.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- Radford, A., Kim, J. W., Hallacy, C., Ramesh, A., Goh, G., Agarwal, S., ... & Sutskever, I. (2021). Learning transferable visual models from natural language supervision. In Proceedings of the 38th International Conference on Machine Learning (ICML), pp. 8748–8763. PMLR. link ↗
- Image classification. Wikipedia. link ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Multilingual Image Classification (Cross-Lingual Vision Model). ScholarGate. https://scholargate.app/ru/deep-learning/multilingual-image-classification
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.
- Классификация изображенийГлубокое обучение↔ compare
- Многоязычные вложения предложенийГлубокое обучение↔ compare
- Многоязычный Vision TransformerГлубокое обучение↔ compare
- Мультимодальная классификация изображенийГлубокое обучение↔ compare
- Обучение с переносом для классификации изображенийГлубокое обучение↔ compare
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →