懂AI
CLIP-convnext_base_w-laion2B-s13B-b82K-augreg

CLIP-convnext_base_w-laion2B-s13B-b82K-augreg

ConvNeXt-Base架构的CLIP模型用于高效图像分类

该项目提供了一系列基于ConvNeXt-Base架构的CLIP模型，在LAION-5B数据集子集上训练。这些模型作为ViT和ResNet的替代方案，在模型规模和图像分辨率方面展现出良好的可扩展性。经过13B样本训练，模型在ImageNet零样本分类任务中达到70.8%以上的top-1准确率，体现出较高的样本效率。这些模型可应用于零样本图像分类、图像文本检索等多种任务。

CLIP模型图像检索零样本图像分类GithubConvNeXtHuggingface开源项目LAION-5B
GitHubHugging Face论文

项目介绍

CLIP-convnext_base_w-laion2B-s13B-b82K-augreg是一个基于CLIP(Contrastive Language-Image Pre-training)技术的图像分类模型。该项目由LAION研究团队开发,旨在探索一种替代ViT和ResNet的CLIP模型,能够更好地随着模型规模和图像分辨率的增加而扩展。

模型特点

该模型使用ConvNeXt-Base作为图像塔,文本塔与OpenAI CLIP的RN50x4模型相同。主要特点包括:

  1. 首次在大规模数据集上训练ConvNeXt架构的CLIP模型
  2. 首次发布探索增强图像塔数据增强和正则化的模型权重
  3. 在256x256和320x320两种图像分辨率下进行训练
  4. 在13B样本的训练后,ImageNet零样本top-1准确率达到70.8%以上
  5. 相比ViT-B/16模型,在相似计算量下表现出更好的样本效率

训练数据

模型使用了两个数据集进行训练:

  1. LAION-2B:LAION-5B的20亿样本英文子集
  2. LAION-Aesthetic:LAION-2B的9亿样本子集,经过pHash去重和美学评分过滤

需要注意的是,这些数据集是未经筛选的大规模互联网爬取数据,可能包含不适当内容。

应用场景

该模型主要用于研究目的,可应用于:

  1. 零样本图像分类
  2. 图像和文本检索
  3. 图像分类和其他图像任务的微调
  4. 图像生成的引导和条件控制

评估结果

在ImageNet-1k上,该系列模型的零样本top-1准确率在70.8%到71.7%之间。在更广泛的数据集上也进行了基准测试,结果显示性能良好。

局限性

该模型目前不建议直接部署到实际应用中,仅限于研究用途。同时,由于仅在英语数据上训练,也仅限于英语场景使用。

总的来说,CLIP-convnext_base_w-laion2B-s13B-b82K-augreg项目为研究人员提供了一个强大的工具,用于探索零样本图像分类和其他相关任务,推动了CLIP技术的发展。

编辑推荐精选

潮际好麦

潮际好麦

AI赋能电商视觉革命，一站式智能商拍平台

潮际好麦深耕服装行业，是国内AI试衣效果最好的软件。使用先进AIGC能力为电商卖家批量提供优质的、低成本的商拍图。合作品牌有Shein、Lazada、安踏、百丽等65个国内外头部品牌，以及国内10万+淘宝、天猫、京东等主流平台的品牌商家，为卖家节省将近85%的出图成本，提升约3倍出图效率，让品牌能够快速上架。

iTerms

iTerms

企业专属的AI法律顾问

iTerms是法大大集团旗下法律子品牌，基于最先进的大语言模型(LLM)、专业的法律知识库和强大的智能体架构，帮助企业扫清合规障碍，筑牢风控防线，成为您企业专属的AI法律顾问。

SimilarWeb流量提升

SimilarWeb流量提升

稳定高效的流量提升解决方案，助力品牌曝光

稳定高效的流量提升解决方案，助力品牌曝光

Sora2视频免费生成

Sora2视频免费生成

最新版Sora2模型免费使用，一键生成无水印视频

最新版Sora2模型免费使用，一键生成无水印视频

Transly

Transly

实时语音翻译/同声传译工具

Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手，它拥有超精准的音频识别翻译能力，几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球，无论你是留学生、商务人士、韩剧美剧爱好者，还是出国游玩、多国会议、跨国追星等等，都可以满足你所有需要同传的场景需求，线上线下通用，扫除语言障碍，让全世界的语言交流不再有国界。

讯飞绘文

讯飞绘文

选题、配图、成文，一站式创作，让内容运营更高效

讯飞绘文，一个AI集成平台，支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容，加速品牌传播，提升内容营销效果。

热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
TRAE编程

TRAE编程

AI辅助编程，代码自动修复

Trae是一种自适应的集成开发环境（IDE），通过自动化和多元协作改变开发流程。利用Trae，团队能够更快速、精确地编写和部署代码，从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能，是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
商汤小浣熊

商汤小浣熊

最强AI数据分析助手

小浣熊家族Raccoon，您的AI智能助手，致力于通过先进的人工智能技术，为用户提供高效、便捷的智能服务。无论是日常咨询还是专业问题解答，小浣熊都能以快速、准确的响应满足您的需求，让您的生活更加智能便捷。

imini AI

imini AI

像人一样思考的AI智能体

imini 是一款超级AI智能体，能根据人类指令，自主思考、自主完成、并且交付结果的AI智能体。

Keevx

Keevx

AI数字人视频创作平台

Keevx 一款开箱即用的AI数字人视频创作平台，广泛适用于电商广告、企业培训与社媒宣传，让全球企业与个人创作者无需拍摄剪辑，就能快速生成多语言、高质量的专业视频。

下拉加载更多