بررسی مدل های هوش مصنوعی پیش آموزش دیده شده برای توصیف نویسی تصاویر در صنایع مختلف؛ مقایسه کلیپ کپ و ویت جی پی تی ۲

چکیده مقاله

در عصر حاضر هوش مصنوعی و مدل های پیش آموزش دیده نقشی کلیدی در پیشرفت فناوری های نوین و همچنین صنایع مختلف ایفا می کنند این مدل ها توانایی درک و تفسیر معانی پنهان در داده ها را فراهم می آورند و به ویژه در حوزه توصیف نویسی تصاویر کاربردهای گسترده ای دارند در این مقاله دو مدل کلیپ کپ و ویت جی پی تی ۲ که به طور خاص برای تولید توصیف های زبانی از تصاویر طراحی شده اند، مورد بررسی و مقایسه قرار می گیرند مدل کلیپ کپ با استفاده از یک انکدر تصویری و یک دیکدر، زبانی به تولید کپشن های دقیق و مفهومی از تصاویر می پردازد و به دلیل آموزش بر روی داده های بزرگ توانایی بالایی در درک مفاهیم انتزاعی و روابط بین اشیاء دارد از سوی دیگر مدل ویت جی پی تی ۲ به عنوان یک مدل زبانی پیشرفته قادر به تولید متن های گرامری و منسجم است، اما در درک روابط پیچیده و انتزاعی ممکن است دچار محدودیت هایی باشد این مقاله به بررسی جزئیات فنی هر دو مدل، ارزیابی های کمی و کیفی و مقایسه نتایج با کارهای مشابه پرداخته و به اهمیت انتخاب مدل مناسب در زمینه توصیف نویسی تصاویر تاکید می کند

کلیدواژه‌ها

نویسندگان

اشکان مهدوی

دانشجوی کارشناسی گروه مهندسی کامپیوتر دانشگاه ولی عصر عج رفسنجان

فاطمه پورغلامعلی

استادیار گروه مهندسی کامپیوتر دانشگاه ولی عصر عج رفسنجان

مهدوی، اشکان و پورغلامعلی، فاطمه،1404،بررسی مدل های هوش مصنوعی پیش آموزش دیده شده برای توصیف نویسی تصاویر در صنایع مختلف؛ مقایسه کلیپ کپ و ویت جی پی تی ۲،اولین کنفرانس ملی هوشمند سازی در صنعت،کرمان

ارائه‌شده در

مجموعه مقالات اولین کنفرانس ملی هوشمند سازی در صنعت23 مهر 1404 · کرمان