继万物分割SAM之后，万物识别模型RAM来了！

作者：花生_TL007 | 2024-06-12 19:47:48

踩

recognize anything: a strong image tagging model

Recognize Anything: A Strong Image Tagging Model

提出“识别万物模型”（Recognize Anything Model，RAM），用于图像打标签。RAM 可以高精度地识别任何常见类别。RAM 引入了图像打标签的一个新范式，利用大规模的图像-文本对进行训练，而不是手动标注。

开发 RAM 分为四个步骤。首先，通过自动文本语义解析获得图像标签。随后，通过统一文本描述和打标任务进行监督训练，以原始文本和解析标签为监督来自动标注一个初步模型。第三步，使用数据引擎生成附加标注，并清除不正确的标签。最后，使用处理后的数据重新训练模型，使用较小但更高质量的数据集进行微调。

在许多基准测试上评估了 RAM 的打标能力，并观察到令人印象深刻的零样本性能，优于 CLIP 和 BLIP。值得注意的是，RAM 甚至超过了全监督的方式，并展现出与 Google API 竞争的性能。

代码：https://recognize-anything.github.io/

关注公众号【机器学习与AI生成创作】，更多精彩等你来读：

深入浅出stable diffusion：AI作画技术背后的潜在扩散模型论文解读

《礼记·学记》有云：独学而无友，则孤陋而寡闻

点击 一顿午饭外卖，成为CV视觉的前沿弄潮儿！，领取优惠券，加入 AI生成创作与计算机视觉 知识星球！

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/花生_TL007/article/detail/709357