Enhanced image-text retrieval based on CLIP with YOLOv10 and Next-ViT

计算机科学 图像检索 推论 软件部署 钥匙(锁) 特征提取 编码(内存) 人工智能 特征(语言学) 情报检索 图像(数学) 计算机视觉 软件工程 计算机安全 语言学 哲学
作者
Qian Xue,Bo Liu
标识
DOI:10.1117/12.3055876
摘要

In recent years, the CLIP model has achieved remarkable success in image-text retrieval tasks through contrastive learning. However, CLIP still exhibits certain limitations when handling complex backgrounds and small objects. To address these challenges, this paper proposes two key innovations: First, during inference, the YOLOv10 model is employed to detect and crop small objects and essential background information in the image, enhancing ability of CLIP to comprehend complex scenes. Second, the Next-ViT network is utilized as the backbone for image encoding. By leveraging its more efficient multi-scale feature extraction capabilities, Next-ViT improves the retrieval accuracy of small objects while also being more adaptable for deployment in industrial scenarios. Experimental results demonstrate that these two innovations significantly enhance performance of CLIP in image-text retrieval tasks and achieve a balance between accuracy and efficiency across various vision tasks.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
yfn完成签到,获得积分10
1秒前
liao应助zmh采纳,获得10
1秒前
书瑶应助肖旻采纳,获得10
1秒前
科研通AI2S应助假寐采纳,获得10
1秒前
光亮的代真完成签到 ,获得积分10
1秒前
1秒前
量子星尘发布了新的文献求助10
2秒前
xjy完成签到,获得积分10
2秒前
psj完成签到,获得积分10
2秒前
YJanMng完成签到,获得积分10
3秒前
青岛彭于晏完成签到 ,获得积分10
3秒前
沈格发布了新的文献求助10
3秒前
10完成签到,获得积分10
3秒前
4秒前
蓝兰完成签到,获得积分10
4秒前
124cndhaP完成签到,获得积分10
5秒前
喻康发布了新的文献求助10
5秒前
Cryer2401完成签到,获得积分10
5秒前
Lucas应助cmint采纳,获得10
5秒前
MY发布了新的文献求助10
5秒前
狄百招完成签到,获得积分0
5秒前
长命百岁完成签到 ,获得积分10
5秒前
6秒前
崔鹤然完成签到,获得积分10
6秒前
董竹君完成签到,获得积分10
6秒前
香蕉觅云应助wxx采纳,获得10
6秒前
Poisomber完成签到,获得积分10
6秒前
Flynn完成签到 ,获得积分10
7秒前
大胆的路灯完成签到,获得积分10
7秒前
啊啊啊啊啊啊啊完成签到,获得积分10
7秒前
斯文败类应助大道采纳,获得10
7秒前
Zel博博完成签到,获得积分10
8秒前
seeker347完成签到,获得积分10
8秒前
小马甲应助旧雨新知采纳,获得10
8秒前
成就映秋完成签到,获得积分10
8秒前
积极土豆完成签到,获得积分10
8秒前
细心的梦芝完成签到,获得积分10
9秒前
下雨天的树完成签到,获得积分10
9秒前
19826536343完成签到,获得积分10
9秒前
锐利之金完成签到,获得积分10
9秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
Handbook of pharmaceutical excipients, Ninth edition 5000
Aerospace Standards Index - 2026 ASIN2026 3000
Signals, Systems, and Signal Processing 610
Discrete-Time Signals and Systems 610
Principles of town planning : translating concepts to applications 500
Social Work and Social Welfare: An Invitation(7th Edition) 410
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 纳米技术 有机化学 物理 生物化学 化学工程 计算机科学 复合材料 内科学 催化作用 光电子学 物理化学 电极 冶金 遗传学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 6059416
求助须知:如何正确求助?哪些是违规求助? 7891983
关于积分的说明 16298703
捐赠科研通 5203615
什么是DOI,文献DOI怎么找? 2783979
邀请新用户注册赠送积分活动 1766692
关于科研通互助平台的介绍 1647203