کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 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
Vision-language pre-training such as CLIP enables zero-shot transfer that can classify images according to the candidate class names. While CLIP demonstrates an impressive zero-shot performance on diverse downstream tasks, the distribution from the target data has not been leveraged sufficiently. In this work, we study a novel online zero-shot transfer scenario, where each image arrives in a random order for classification and is visited only once to obtain prediction immediately without storing its representation. Compared with the vanilla zero-shot classification, the proposed framework preserves its flexibility for online service while considering the statistics of the arrived images as the side information to capture the distribution of target data, which can help improve the performance of real-world applications. To tackle the challenge of effective online optimization, we first develop online label learning to model the target data distribution. Then, the proxy of each class in the vision space is further optimized with the proposed online proxy learning method to mitigate the modality gap between images and text. The convergence of both online strategies can be theoretically guaranteed. By combining the predicted label from the online label learning and proxy learning, our online zero-shot transfer method (OnZeta) achieves $78.94\%$ accuracy on ImageNet without accessing the entire data set. Moreover, extensive experiments on other 13 downstream tasks with different vision encoders show a more than $3\%$ improvement on average, which demonstrates the effectiveness of our proposal. Code is available at \url{https://github.com/idstcv/OnZeta}.
چکیده به فارسی (ترجمه ماشینی)
قبل از آموزش چشم انداز مانند کلیپ ، انتقال صفر را امکان پذیر می کند که می تواند تصاویر را با توجه به نام کلاس نامزد طبقه بندی کند.در حالی که کلیپ عملکردی چشمگیر صفر را در کارهای متنوع پایین دست نشان می دهد ، توزیع از داده های هدف به اندازه کافی اعمال نشده است.در این کار ، ما یک سناریوی انتقال Zero-Shot آنلاین جدید را مطالعه می کنیم ، که در آن هر تصویر به یک ترتیب تصادفی برای طبقه بندی می رسد و فقط یک بار از آن بازدید می شود تا بلافاصله بدون ذخیره سازی آن پیش بینی شود.در مقایسه با طبقه بندی وانیل صفر-شات ، چارچوب پیشنهادی انعطاف پذیری خود را برای خدمات آنلاین حفظ می کند در حالی که آمار تصاویر ورودی را به عنوان اطلاعات جانبی برای ضبط توزیع داده های هدف در نظر می گیرد ، که می تواند به بهبود عملکرد برنامه های دنیای واقعی کمک کند.برای مقابله با چالش بهینه سازی مؤثر آنلاین ، ما ابتدا یادگیری برچسب آنلاین را برای مدل سازی توزیع داده های هدف توسعه می دهیم.سپس ، پروکسی هر کلاس در فضای بینایی با روش یادگیری پروکسی آنلاین پیشنهادی برای کاهش شکاف روش بین تصاویر و متن بهینه می شود.همگرایی هر دو استراتژی آنلاین را می توان از نظر تئوری تضمین کرد.با ترکیب برچسب پیش بینی شده از یادگیری برچسب آنلاین و یادگیری پروکسی ، روش انتقال صفر شات آنلاین ما (ONZETA) به 78.94 $ \ $ دقت در ImageNet بدون دسترسی به کل مجموعه داده ها می رسد.علاوه بر این ، آزمایش های گسترده در مورد 13 کار پایین دست دیگر با رمزگذارهای مختلف دید ، به طور متوسط بیش از 3 \ $ $ بهبود را نشان می دهد ، که نشان دهنده اثربخشی پیشنهاد ما است.کد در \ url {https://github.com/idstcv/onzeta.
📚 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.
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 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
