japanese clip

日本クリップ

このリポジトリには、Rinna Co.、Ltd。による日本のクリップ（コントラスト言語イメージの事前トレーニング）バリアントのコードが含まれています。

目次
ニュース
前処理されたモデル
使用法
引用
ライセンス

ニュース

2022年7月

V0.2.0がリリースされました！

• クリップモデルとクルーブモデルの両方がアップグレードされました！現在、 rinna/japanese-cloob-vit-b-16 54.64を達成しています。
• 日本のプロンプトテンプレートと、ゼロショットイメージネット分類のためのサンプルコード（ scripts/example.pyを参照）をリリースしました。これらのテンプレートは、Openai 80テンプレートに基づいて日本語用にクリーニングされました。
• 引用を変更しました

前処理されたモデル

モデル名	top1*	TOP5*
Rinna/Japanese-Cloob-vit-B-16	54.64	72.86
Rinna/Japanine-Clip-vit-B-16	50.69	72.35
Sonoisa/Clip-Vit-B-32-Japanese-V1	38.88	60.71
多言語クリップ	14.36	27.28

*ゼロショットイメージネット検証セットTOP-K精度。

使用法

1. パッケージをインストールします

$ pip install git+https://github.com/rinnakk/japanese-clip.git

2. 走る

 from PIL import Image
import torch
import japanese_clip as ja_clip

device = "cuda" if torch . cuda . is_available () else "cpu"
# ja_clip.available_models()
# ['rinna/japanese-clip-vit-b-16', 'rinna/japanese-cloob-vit-b-16']
# If you want v0.1.0 models, set `revision='v0.1.0'`
model , preprocess = ja_clip . load ( "rinna/japanese-clip-vit-b-16" , cache_dir = "/tmp/japanese_clip" , device = device )
tokenizer = ja_clip . load_tokenizer ()

image = preprocess ( Image . open ( "./data/dog.jpeg" )). unsqueeze ( 0 ). to ( device )
encodings = ja_clip . tokenize (
    texts = [ "犬" , "猫" , "象" ],
    max_seq_len = 77 ,
    device = device ,
    tokenizer = tokenizer , # this is optional. if you don't pass, load tokenizer each time
)

with torch . no_grad ():
    image_features = model . get_image_features ( image )
    text_features = model . get_text_features ( ** encodings )
    
    text_probs = ( 100.0 * image_features @ text_features . T ). softmax ( dim = - 1 )

print ( "Label probs:" , text_probs )  # prints: [[1.0, 0.0, 0.0]] 

引用

このリポジトリを引用するには：

@inproceedings{japanese-clip,
  author = {シーン 誠, 趙 天雨, 沢田 慶},
  title = {日本語における言語画像事前学習モデルの構築と公開},
  booktitle= {The 25th Meeting on Image Recognition and Understanding},
  year = 2022,
  month = July,
}

ライセンス

Apache 2.0ライセンス