登入
首頁
收藏
0
返回課程
YOLOE與字詞向量的cos相似度Colab上實作
AI應用
請試用幾個大型語言模型
加入課程後請說hello
大家都會用chatGPT
Gemini也不難用
請自行分組
AI影片1
AI影片2
試用xAI Grok與產生短片
ex1 請試用大型語言模型問大數據或AI要產生AI圖
生物視覺&機器視覺
生物視覺 機器視覺
機器視覺 與haarcascades偵測人臉與眼睛
機器視覺ILSVRC競賽之後
google colab上設定Gemini與操作Python
Colab上試試Python
exam1
AI發展測驗解答
AI發展測驗解答pptx
GPT/Gemini/Claude/Grok四大LLM+AI 3巨頭
ex2 在colab上試用Gemini並比較其他LLM
CNN與Teachable Machine
Google Teachable Machine訓練Keras模型操作人、貓、狗辨識
邁向AI機器學習 ---Teachable Machine
邁向AI機器學習CNN與Teachable Machine
ai人工智慧tensorflow playground說明
如何佈署訓練好的TM model
teachable machine訓練好的Keras模型在Colab上執行辨識
teachable Machine與app inventor 2製作辨識app
訓練到實戰：Teachable Machine 模型多端部署與colab實作
teachableMachine_keras_cv2_howto_colab.ipynb
Ex3 Colab佈署TM model
有關Teachable Machine模型進階處理
notebooklm AI複習影片開箱Teachable_Machine：AI如何變簡單
exam2
為什麼AI把柴犬看成貓---CNN辨識模型測驗解答
js2Keras教學for TM.ipynb
Teachable Machine卡關？解決Keras轉檔失敗
為什麼_AI_把柴犬看成貓
用RAG學AI基礎神經網路
AI人工智慧Keras實作神經網路模型之1 mnist手寫數字
RAG&深度學習的 「Hello World」
深度學習的 「Hello World」 辨識mnist手寫數字NotebookLM之Podcast
神經網路模型.ipynb
RAG之NotebookLM操作與Keras辨識mnist手寫數字程式
期中報告
報告
打造你的第一個_AI：從魔法到邏輯
運用 NotebookLM-D11333025
證照上傳SIP，一次就上手！
打造一個數位大腦
規劃你的完美北海道之旅：旅人指南
智能開發新紀元
認識YOLO
黑柴犬 登大屯山 南峰+yolov7
YOLO26在Colab Python上試做之1
YOLO26在Colab Python上試做畫面分割、姿態檢測與隨機狗辨識
YOLO好用
YOLO好用.ipynb
YOLO簡介
YOLO-world辨識黑柴與玩具虎式坦克
ex5 YOLO
零樣本實測：YOLO-World 真的無所不識？(內含黑柴與戰車翻車現場)
OpenCV+AI圖
AI人工智慧 藝術生成 Stable Diffusion與Denoising Diffusion Model
python opencv搭配for loop輪播圖檔與簡易像素處理
VideoCapture 萬用範例：輕鬆搞定多種影像串流來源
exam cv2.VideoCapture
YOLO+video辨識
AI 影像辨識黑科技：YOLO-World 實測，連黑柴與戰車都能精準偵測？
YOLO-world+cv2.VideoWriter
黑柴和魯夫會變綠？帶你解析 YOLO-seg 的神奇分割技術
擎天崗必看
本機端安裝YOLO相關軟體與辨識影片用VideoWriter燒錄
最強黑柴守衛！挑戰 YOLO-World 辨識 1/35 T-34 戰車模型的極限
ex6 YOLO+mp4
Whisper+Google AI studio
免費版Openai-whisper超好用---簡介
openai whisper在huggingface的試用與在colab上的使用
openai_whisper_ex
whisper辨識語音與opencc徹底解決正體中文字幕問題
google_AI_studio
ex7 whisper使用
Google AI studio練習
Whisper與google genAI api完成逐字稿
Google AI studio產生key與Colab上試用
YOLOE
黑柴 vs YOLO AI：擎天崗辨識大考驗！
黑柴遇到YOLOE AI！故宮至善園辨識挑戰
YOLOE與字詞向量的cos相似度Colab上實作
King - Man + Woman = Queen？AI 真的懂語言邏輯嗎？｜自然語言處理 NLP
YOLO好用3.ipynb
期末作業
同學辨識短片
yolo_human_detection 12組
detected_cat_dog 2組
D11333019_ 10組
1組
吉娃娃兄妹開車兜風11組
D11333034 17組
ex6 YOLO+mp4 D11233001 19組
animals 6組
18組
5656565 8組
原始資料來自 :
https://www.youtube.com/embed/nxQSsd3PjyM?si=LEHd4WzSbxqU_lH8
討論
完整模式
討論功能僅開放給課程成員，請先加入課程
最新的回應
...more
06-22
D11433003
:
YOLOE若使用文字提示（Text Prompt）辨識，除預訓練權重外，還需搭配**文字編碼器模型檔**（如 CLIP Text Encoder），將文字轉成特徵向量供模型比對辨識。
06-15
D11433002
:
YOLOE若使用文字提示（Text Prompt）辨識，除預訓練權重外，還需搭配**文字編碼器模型檔**（如 CLIP Text Encoder），將文字轉成特徵向量供模型比對辨識。
06-15
D11433005
:
使用YOLOE除了預先訓練好model圖像辨識檔之外，還需要哪個檔處理文字部份？
06-15
d11233001
:
如果你使用的是 YOLOE（YOLOE-11、YOLOE-v8、YOLOE-26 等開放詞彙版本），除了主要的模型權重檔（例如 yoloe-11l-seg.pt）之外，文字辨識部分通常需要用到 Text Encoder（文字編碼器），將文字提示（Prompt）轉換成向量嵌入（Embedding）供模型比對辨識。
06-15
d11336528
:
YOLOE若使用文字提示（Text Prompt）辨識，除預訓練權重外，還需搭配**文字編碼器模型檔**（如 CLIP Text Encoder），將文字轉成特徵向量供模型比對辨識
安文
使用YOLOE除了預先訓練好model圖像辨識檔之外，還需要哪個檔處理文字部份？
06-15
1 樓
顯示先前的回應
19 則當中的 3 則
D11333017
mobileclip2_b.ts
06-15
2 樓
D11333014
如果你使用的是 YOLOE（YOLOE-11、YOLOE-v8、YOLOE-26 等開放詞彙版本），除了主要的模型權重檔（例如 yoloe-11l-seg.pt）之外，文字辨識部分通常需要用到 Text Encoder（文字編碼器），將文字提示（Prompt）轉換成向量嵌入（Embedding）供模型比對
06-15
3 樓
D11433017
在使用 YOLO 系列模型（包含 YOLOE 或其他變體）進行物體偵測時，除了最重要的模型權重檔（預訓練好的 .pth, .onnx, 或 .engine 等形狀辨識檔）之外，處理文字部分（也就是定義模型能辨識出哪些物件的「標籤名稱」）通常還需要一個類別名稱檔案。
06-15
4 樓
d11433010
使用 YOLOE 進行文字提示（Text Prompt）物件辨識時，除了預先訓練好的影像辨識權重檔外，還需要搭配 CLIP 模型（如 OpenAI CLIP）的 Tokenizer 詞元化處理檔。
06-15
5 樓
D11333202
mobileclip2_b.ts
06-15
6 樓
D11333019
mobileclip2_b.ts
06-15
7 樓
D11433009
mobileclip2_b.ts
06-15
8 樓
d11333009
mobileclip2_b.ts
06-15
9 樓
D11333001
mobileclip2_b.ts
06-15
10 樓
D11433001
如果你使用的是官方的 YOLOE（Ultralytics 或 THU-MIG 版本），通常不需要另外準備一個獨立的「文字辨識模型檔」。文字相關的編碼器（Text Encoder）已經包含在 YOLOE 的架構與權重中，載入 YOLOE 的 .pt 模型後，就可以直接使用：
06-15
11 樓
d11336529
YOLOE若使用文字提示（Text Prompt）辨識，除預訓練權重外，還需搭配**文字編碼器模型檔**（如 CLIP Text Encoder），將文字轉成特徵向量供模型比對辨識。
06-15
12 樓
D11213018
YOLOE若使用文字提示（Text Prompt）辨識，除預訓練權重外，還需搭配**文字編碼器模型檔**（如 CLIP Text Encoder），將文字轉成特徵向量供模型比對辨識
06-15
13 樓
D11333020
YOLOE若使用文字提示（Text Prompt）辨識，除預訓練權重外，還需搭配**文字編碼器模型檔**（如 CLIP Text Encoder），將文字轉成特徵向量供模型比對辨識。
06-15
14 樓
D11333034
YOLOE若使用文字提示（Text Prompt）辨識，除預訓練權重外，還需搭配**文字編碼器模型檔**（如 CLIP Text Encoder），將文字轉成特徵向量供模型比對辨識。
06-15
15 樓
d11336528
YOLOE若使用文字提示（Text Prompt）辨識，除預訓練權重外，還需搭配**文字編碼器模型檔**（如 CLIP Text Encoder），將文字轉成特徵向量供模型比對辨識
06-15
16 樓
d11233001
如果你使用的是 YOLOE（YOLOE-11、YOLOE-v8、YOLOE-26 等開放詞彙版本），除了主要的模型權重檔（例如 yoloe-11l-seg.pt）之外，文字辨識部分通常需要用到 Text Encoder（文字編碼器），將文字提示（Prompt）轉換成向量嵌入（Embedding）供模型比對辨識。
06-15
17 樓
D11433005
使用YOLOE除了預先訓練好model圖像辨識檔之外，還需要哪個檔處理文字部份？
06-15
18 樓
D11433002
YOLOE若使用文字提示（Text Prompt）辨識，除預訓練權重外，還需搭配**文字編碼器模型檔**（如 CLIP Text Encoder），將文字轉成特徵向量供模型比對辨識。
06-15
19 樓
D11433003
YOLOE若使用文字提示（Text Prompt）辨識，除預訓練權重外，還需搭配**文字編碼器模型檔**（如 CLIP Text Encoder），將文字轉成特徵向量供模型比對辨識。
06-22
20 樓
d11133024
如果你使用的是 YOLOE（YOLOE-11、YOLOE-v8、YOLOE-26 等開放詞彙版本），除了主要的模型權重檔（例如 yoloe-11l-seg.pt）之外，文字辨識部分通常需要用到 Text Encoder（文字編碼器），將文字提示（Prompt）轉換成向量嵌入（Embedding）供模型比對辨識。
06-16
1 樓
D11333026
如果你使用的是 YOLOE（YOLOE-11、YOLOE-v8、YOLOE-26 等開放詞彙版本），除了主要的模型權重檔（例如 yoloe-11l-seg.pt）之外，文字辨識部分通常需要用到 Text Encoder（文字編碼器），將文字提示（Prompt）轉換成向量嵌入（Embedding）供模型比對辨識。
06-15
1 樓
D11333026
如果你使用的是 YOLOE（YOLOE-11、YOLOE-v8、YOLOE-26 等開放詞彙版本），除了主要的模型權重檔（例如 yoloe-11l-seg.pt）之外，文字辨識部分通常需要用到 Text Encoder（文字編碼器），將文字提示（Prompt）轉換成向量嵌入（Embedding）供模型比對辨識。
06-15
1 樓
d11333006
如果你使用的是 YOLOE（YOLOE-11、YOLOE-v8、YOLOE-26 等開放詞彙版本），除了主要的模型權重檔（例如 yoloe-11l-seg.pt）之外，文字辨識部分通常需要用到 Text Encoder（文字編碼器），將文字提示（Prompt）轉換成向量嵌入（Embedding）供模型比對
06-15
1 樓
D11333032
YOLOE若使用文字提示（Text Prompt）辨識，除預訓練權重外，還需搭配**文字編碼器模型檔**（如 CLIP Text Encoder），將文字轉成特徵向量供模型比對辨識。
06-15
1 樓
D11333025
YOLOE若使用文字提示（Text Prompt）辨識，除預訓練權重外，還需搭配**文字編碼器模型檔**（如 CLIP Text Encoder），將文字轉成特徵向量供模型比對辨識。
06-15
1 樓
D11333205
如果你使用的是 YOLOE（YOLOE-11、YOLOE-v8、YOLOE-26 等開放詞彙版本），除了主要的模型權重檔（例如 yoloe-11l-seg.pt）之外，文字辨識部分通常需要用到 Text Encoder（文字編碼器），將文字提示（Prompt）轉換成向量嵌入（Embedding）供模型比對
06-15
1 樓
D11433019
在使用 PP-YOLOE（或 YOLO 系列模型）進行影像辨識時，除了預訓練好的模型權重檔（如 .pdparams、.onnx 或 .engine）之外，處理文字部分（也就是類別名稱）主要需要以下檔案：
1. 類別標籤檔（Label List / Class Names）
這個檔案通常是一個簡單的 純文字檔（.txt 或 .names）
2. 模型資料配置檔（Dataset Configuration File）
在實際執行推論（Inference）或訓練的程式碼中，通常還需要一個 配置檔（.yaml） 來告訴程式去哪裡讀取上述的文字檔。
06-15
1 樓
Prev
黑柴遇到YOLOE AI！故宮至善園辨識挑戰
Next
King - Man + Woman = Queen？AI 真的懂語言邏輯嗎？｜自然語言處理 NLP
1. 類別標籤檔（Label List / Class Names）
這個檔案通常是一個簡單的 純文字檔（.txt 或 .names）
2. 模型資料配置檔（Dataset Configuration File）
在實際執行推論（Inference）或訓練的程式碼中，通常還需要一個 配置檔（.yaml） 來告訴程式去哪裡讀取上述的文字檔。