AIbase

V

Vit Base Patch16 Clip 224.laion400m E32

由 timm 开发
基于LAION-400M数据集训练的Vision Transformer模型，兼容open_clip和timm框架
图像分类
Safetensors
开源协议:MIT#零样本图像分类#多模态CLIP架构#LAION-400M预训练
下载量 5,751
发布时间 : 10/23/2024
模型介绍
内容详情
替代品

模型简介

这是一个双框架兼容的视觉Transformer模型，主要用于零样本图像分类任务。模型采用ViT-B-16架构，在LAION-400M大规模数据集上训练。

模型特点

双框架兼容
同时支持open_clip和timm框架，提供更灵活的使用方式
大规模训练数据
使用LAION-400M数据集训练，覆盖广泛的视觉概念
零样本分类能力
无需特定任务微调即可执行图像分类任务

模型能力

零样本图像分类
视觉特征提取
图像-文本对齐

使用案例

图像理解
零样本图像分类
无需特定类别训练即可对新类别图像进行分类
图像检索
基于文本查询检索相关图像
多模态应用
图像标注
为图像生成描述性文本标签