Modele bazowe dla obrazu

Vision backbones and foundation models · id visionbackbones

Wstępnie wytrenowane modele wizyjne wydobywające cechy obrazu, które można wykorzystać w klasyfikacji, detekcji i segmentacji.

Pretrained vision models that extract image features reusable for classification, detection and segmentation.

In one sentence

To wcześniej wyuczone modele obrazu, które służą jako punkt wyjścia do różnych zadań ze zdjęciami.

These pretrained image models provide a starting point for different photo-based tasks.

Uczenie każdego programu do zdjęć od początku wymaga wielu przykładów i dużych nakładów.

Training every image application from scratch requires many examples and substantial resources.

Model wydobywa użyteczne cechy obrazu, a dodana lub dostrojona część wykorzystuje je do wybranego zadania.

A model extracts useful image features, and an added or adapted component uses them for a chosen task.

Firma wykorzystuje gotowy model obrazu jako podstawę narzędzia rozpoznającego rodzaje opakowań.

A company uses a pretrained image model as the basis for identifying packaging types.

Dostrajanie modeli wizyjnych do własnych danych (Fine-tuning vision models on custom data): Adapting a pretrained model to a custom dataset by fine-tuning the whole network, selected layers, or a new task head.
Samonadzorowane uczenie z obrazów (Self-supervised visual pretraining): Training a vision model on unlabelled images — e.g. by reconstructing masked patches or comparing different views of the same image.
Vision Transformer (ViT): A transformer applied to an image split into patches treated as tokens; a major family of vision architectures alongside convolutional networks.
Wspólna przestrzeń obraz–tekst (CLIP) (Contrastive image–text pretraining (CLIP)): Learning joint embeddings of images and captions from image–text pairs; enables zero-shot classification and image search by text description.