ShirAmir/dino-vit-features
این پروژه از ویژگی‌های مدل Vision Transformer (ViT) که با روش DINO آموزش دیده‌اند، برای تولید توصیفگرهای بصری متراکم استفاده می‌کند.
کاربرد:
این ابزار برای استخراج ویژگی‌های بصری قوی از تصاویر استفاده می‌شه و می‌تونه در کارهایی مثل تطبیق تصاویر، تشخیص اشیا، برش تصویر (image segmentation) و جستجوی تصویری به کار بره. ️
در چه شرایطی بهتره استفاده شود؟
وقتی به دنبال یک استخراج‌کننده ویژگی دقیق و قدرتمند برای تصاویر بدون نیاز به برچسب هستید، این مدل عالیه. همچنین زمانی که نیاز به تطبیق دقیق پیکسلی بین تصاویر دارید (مثل تطبیق تصاویر از زوایای مختلف یا در نورهای متفاوت)، عملکرد خوبی داره.
چند مثال از موارد استفاده:
- تطبیق تصاویر در ناوبری خودروهای خودران
- تشخیص تغییر در تصاویر ماهواره‌ای ️
- برش معنایی تصویر بدون نیاز به آموزش مدل جدید
- جستجوی تصاویر مشابه در مجموعه‌های بزرگ داده ️
- ##DINO
- ##ViT
- ##FeatureExtraction
- ##ImageMatching
- ##ComputerVision
- ##SelfSupervisedLearning
- ##VisualDescriptors
- ##DeepLearning
- ##ImageSegmentation
- ##ObjectDetection