🔍 В данном туториале мы рассмотрим революционный подход в области компьютерного зрения – Zero-shot learning. Этот метод позволяет нам решать задачи классификации, детекции и сегментации без необходимости обучения на специально подобранных данных.
🤯 Удивительно, но правда! Мы покажем, как вы можете применить Zero-shot learning к своей уникальной проблеме и достичь впечатляющих результатов.
📚 В этом туториале вы узнаете:
1. Основы Zero-shot learning и его преимущества
2. Как реализовать классификацию, детекцию , семантическую сегментацию и инстанс сегментацию без обучения
🔗 Код из видео доступен по ссылке: https://drive.google.com/file/d/1CgM1N-RYBtePYPSCzK6EG7Ix7YVqgDLK/view?usp=sharing
Таймкоды из видео:
8:58 - Детекция (YOLO-world примеры)
22:45 - SAM (FastSAM примеры)
30:59 - Классификация (CLIP примеры)
39:35 - Самантическая сегментация (CLIP-Seg примеры)
44:23 - Инстанс сегментация (LangSAM примеры)
-----------------------------------------------------------------------------------------------------------------
PS: В видео для визуализации результатов использовалась моя библиоткека patched_yolo_infer. Если хотите поддержать мои старания, то поставьте звезду ⭐ в этом масштабном опенсорс проекте - https://github.com/Koldim2001/YOLO-Patch-Based-Inference
Подписывайтесь на канал, чтобы быть в курсе новых видео и узнавать больше о компьютерном зрении!