基于贝叶斯优化的 CLIP 少样本裂缝图像分类
计算机视觉与模式识别
2025-03-04 v1
摘要
本研究提出一种基于 CLIP 和贝叶斯优化的新型少样本裂缝图像分类模型。通过结合多模态信息和贝叶斯方法，该模型实现了在少量训练样本下的高效分类。CLIP 模型利用其强大的特征提取能力，实现了有限样本下的精确分类。相比之下，贝叶斯优化增强了模型的鲁棒性和泛化能力，同时减少了对大量标记数据的依赖。结果表明，该模型在 diverse 数据集规模下表现出稳健的性能，尤其在小样本集合的上下文中表现尤为突出。该研究验证了该方法在土木工程裂缝分类中的潜力。
引用
@article{arxiv.2503.00376,
title = {Few-shot crack image classification using clip based on bayesian optimization},
author = {Yingchao Zhang and Cheng Liu},
journal= {arXiv preprint arXiv:2503.00376},
year = {2025}
}
备注
5 pages, 5 figures, 3 tables, submit to the 1st International Workshop on Bayesian Approach in Civil Engineering (IWOBA 2025)