《向量数据库指南》前瞻：Florence——视觉AI的全能冠军

Florence 的能力：“多才多艺”的视觉AI

Florence 的适应性在执行以下任务的能力中显而易见。

零样本图像分类

Florence 在12个数据集中展现了强大的零样本分类能力，在大多数情况下优于CLIP和FLIP等模型。它在细粒度任务上表现尤为出色，如在Standford Cars上获得93.2%的分数，在Oxford Pets上获得95.9%的分数，并以83.7%的准确率处理ImageNet等大规模数据集。这一表现表明，Florence 可以利用其对语言和视觉特征的理解，泛化识别未见类别。

线性探测分类

当在冻结特征之上使用线性分类器时，Florence 在大多数数据集上超过了 SimCLRv2、ViT 和 EfficientNet 等模型。这种在多样化和细粒度分类任务上的多功能性表明，Florence 学到的表示非常丰富且适用于新任务。

目标检测

Florence 的目标检测性能在多个数据集上进行了评估，在COCO上得分为62.4 mAP，在Object365上得分为39.3 mAP，在Visua