اکسپرس 24
ترجمه فارسی مقاله آموزش CLIP برای توسعه حس عدد برای رگرسیون ترتیبی

ترجمه فارسی مقاله آموزش CLIP برای توسعه حس عدد برای رگرسیون ترتیبی

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Teach CLIP to Develop a Number Sense for Ordinal Regression
عنوان مقاله به فارسی آموزش CLIP برای توسعه حس عدد برای رگرسیون ترتیبی
نویسندگان Yao Du, Qiang Zhai, Weihang Dai, Xiaomeng Li
فرمت مقاله انگلیسی PDF
تعداد صفحات 17
دسته بندی موضوعات Computer Vision and Pattern Recognition,Computation and Language,Machine Learning,چشم انداز رایانه و تشخیص الگوی , محاسبه و زبان , یادگیری ماشین ,
توضیحات Submitted 7 August, 2024; originally announced August 2024. , Comments: Accepted by ECCV 2024
توضیحات به فارسی ارسال شده در 7 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد ، نظرات: پذیرفته شده توسط ECCV 2024

قیمت: 19,000 تومان

سفارش

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی، را نیز سفارش می‌دهید.

قیمت: 680,000 تومان

زمان تحویل: 2 تا 3 روز کاری

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Ordinal regression is a fundamental problem within the field of computer vision, with customised well-trained models on specific tasks. While pre-trained vision-language models (VLMs) have exhibited impressive performance on various vision tasks, their potential for ordinal regression has received less exploration. In this study, we first investigate CLIP's potential for ordinal regression, from which we expect the model could generalise to different ordinal regression tasks and scenarios. Unfortunately, vanilla CLIP fails on this task, since current VLMs have a well-documented limitation of encapsulating compositional concepts such as number sense. We propose a simple yet effective method called NumCLIP to improve the quantitative understanding of VLMs. We disassemble the exact image to number-specific text matching problem into coarse classification and fine prediction stages. We discretize and phrase each numerical bin with common language concept to better leverage the available pre-trained alignment in CLIP. To consider the inherent continuous property of ordinal regression, we propose a novel fine-grained cross-modal ranking-based regularisation loss specifically designed to keep both semantic and ordinal alignment in CLIP's feature space. Experimental results on three general ordinal regression tasks demonstrate the effectiveness of NumCLIP, with 10% and 3.83% accuracy improvement on historical image dating and image aesthetics assessment task, respectively. Code is publicly available at https://github.com/xmed-lab/NumCLIP.

چکیده به فارسی (ترجمه ماشینی)

رگرسیون معمولی یک مشکل اساسی در زمینه دید رایانه است ، با مدلهای خوب آموزش دیده در کارهای خاص.در حالی که مدلهای قبل از آموزش دیدگاه (VLM) عملکرد چشمگیر در کارهای مختلف بینایی به نمایش گذاشته اند ، پتانسیل آنها برای رگرسیون منظم اکتشافی کمتری داشته است.در این مطالعه ، ما ابتدا پتانسیل کلیپ را برای رگرسیون معمولی بررسی می کنیم ، که از آن انتظار داریم که این مدل بتواند به وظایف و سناریوهای مختلف رگرسیون نظم تعمیم یابد.متأسفانه ، کلیپ وانیل در این کار ناکام است ، زیرا VLM های فعلی محدودیت خوبی در محاصره مفاهیم ترکیبی مانند حس شماره دارند.ما یک روش ساده و در عین حال مؤثر به نام NumClip را برای بهبود درک کمی از VLM ها پیشنهاد می کنیم.ما تصویر دقیق را به مشکل تطبیق متن خاص در طبقه بندی درشت و مراحل پیش بینی خوب جدا می کنیم.ما هر سطل عددی را با مفهوم زبان مشترک گسسته و بیان می کنیم تا از بهتر تراز موجود از پیش آموزش در کلیپ استفاده کنیم.برای در نظر گرفتن خاصیت مداوم ذاتی رگرسیون نظم ، ما یک از دست دادن منظم مبتنی بر رتبه بندی مبتنی بر رتبه بندی متقاطع ریز و درشت را ارائه می دهیم که به طور خاص برای حفظ هم ترازی معنایی و هم نظم در فضای ویژگی کلیپ طراحی شده است.نتایج تجربی در سه وظیفه رگرسیون ترتیب عمومی ، اثربخشی NUMCLIP را نشان می دهد ، با بهبود دقت 10 ٪ و 3.83 ٪ در تاریخ ارزیابی تاریخچه و تاریخ ارزیابی زیبایی شناسی تصویر.کد به صورت عمومی در https://github.com/xmed-lab/numclip در دسترس است.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.