clip算法的研究：《CLIP 零样本实战：两行代码教会模型“认轮椅”——从概率矩阵到余弦相似度》

wheelchair.jpg
nowheelchair.jpg
[[0.31989905 0.18366921]
 [0.31910986 0.18774156]]

代表了概率。第一个代表了他的概率是0.3198 这个数值是大的 因此认为是轮椅

另外一个代表了0.18777 代表了不是轮椅

目录

一、为什么选 CLIP？

二、素材只有 4 样东西

三、代码 walk-through（完整可跑）

四、输出矩阵一眼看懂

五、3 行代码完成「零样本分类」

六、还能怎么玩？

七、经验小结

八、一句话总结

---

标题：

封面一句话：
不用微调，不用标注，只要两张图 + 两句话，让开源 ViT-B/32 告诉你“哪张是轮椅”。

---

一、为什么选 CLIP？

OpenAI 的 CLIP（Contrastive Language-Image Pre-training）把“视觉”和“语言”压到同一向量空间。
零样本能力：见词即识图，无需再训练。

表格

复制

传统 CNN	CLIP
需要千张标注	2 张图 + 2 句话
重新训练	向量点积即分类
固定类别	任意文本实时扩展

---