[アニー][承花][michikusa].zip

资源文件列表(大概)

文件名

大小

[アニー][承花][michikusa]/1.jpg

96.25KB

[アニー][承花][michikusa]/10.jpg

354.55KB

[アニー][承花][michikusa]/11.jpg

272.6KB

[アニー][承花][michikusa]/12.jpg

261.29KB

[アニー][承花][michikusa]/13.jpg

320.34KB

[アニー][承花][michikusa]/14.jpg

287.71KB

[アニー][承花][michikusa]/15.jpg

841.15KB

[アニー][承花][michikusa]/16.jpg

60.43KB

[アニー][承花][michikusa]/17.jpg

57.04KB

[アニー][承花][michikusa]/2.jpg

292.57KB

[アニー][承花][michikusa]/3.jpg

354.39KB

[アニー][承花][michikusa]/4.jpg

352.69KB

[アニー][承花][michikusa]/5.jpg

333.49KB

[アニー][承花][michikusa]/6.jpg

310.83KB

[アニー][承花][michikusa]/7.jpg

332.35KB

[アニー][承花][michikusa]/8.jpg

298.67KB

[アニー][承花][michikusa]/9.jpg

339.72KB

[アニー][承花][michikusa]/

资源内容介绍

[アニー][承花][michikusa].zip

用户评论 (0)

发表评论

您的昵称:

评分

评论内容:

验证码:

相关资源

基于CLIP模型的视频文本检索设计与实现

针对现有基于CLIP预训练模型方法存在的训练时间长、模型规模大等问题，本文在CLIP4Clip模型的基础上，采用关键帧保存方案和Adapter Tuning低参数量微调，提高了计算资源有限情况下的训练效率和模型性能。训练速度方面，本文首先采用帧保存方案，将视频库中的关键帧提取并保存为图片，从而加快数据加载速度，将训练速度提高了14.6倍；然后采用AIM模型的Adapter设计方案，在CLIP4Clip模型中插入可训练的Adapter层，只训练少量参数实现快速收敛，最终实现训练速度提高34倍。模型性能方面，论文证明了平均选取视频关键帧，比按照最大帧间差选取视频关键帧的效果更优；然后证明了AIM在视频检索领域的有效性；并可以使用AIM来提高模型性能，将模型在MSR-VTT数据集上的R@1从42.2%提升至43.4%，R@5从70.2%提升为71.1%。本文设计并实现了一个视频文本检索系统，为了保障系统的检索速度，搭建了向量数据库，并测试了不同数据保存方式的数据存取速度。系统使用Django搭建了Web端应用，实现了多种功能需求，展示了本文方法在视频文本检索系统中的应用效果和潜力。

5.01MB20金币