हम Alma Media में रियल एस्टेट लिस्टिंग सेवाओं के लिए AI/ML समाधान विकसित कर रहे हैं, जहाँ अधिकांश फोटो बिना किसी जानकारी के आते हैं कि वे क्या दिखा रहे हैं। खोज, अनुशंसाएँ और आंतरिक उपयोग मामलों के लिए यह जानना आवश्यक है कि क्या छवि एक रसोई, फ्लोर प्लान या बगीचा दर्शाती है। इस क्लासिक मल्टी-लेबल क्लासिफिकेशन कार्य में कुल 23 क्लासेज़ हैं।

वर्गीकरण विश्वास (confidence) निर्धारित करने के लिए महत्वपूर्ण है कि क्या लौटाया जाए, खासकर जब अग्रभूमि फोकस को पृष्ठभूमि तत्वों से अलग किया जाता है। हालाँकि वजन-भाषा मॉडल का उपयोग करने वाली थर्ड-पार्टी APIs एक आधुनिक डिफ़ॉल्ट हैं, हमने अपनी आवश्यकताओं को पूरा करने के लिए google/siglip-base-patch16-224 का फाइन-ट्यूनिंग किया। ओपन-सोर्स ViT फाउंडेशन मॉडल्स पर प्रशिक्षण देने के लिए यह मूल्यांकन करना आवश्यक है कि क्या आपका कार्य प्रभावी ढंग से प्रॉम्प्ट किया जा सकता है, क्या आपको संरचित JSON आउटपुट की आवश्यकता है, और विश्वास स्कोर कितने महत्वपूर्ण हैं।

उत्तर आवेदन पर निर्भर करते हैं। यदि हमें रसोई दिखाती सभी फोटो खोजना है, तो हमें उन लिविंग रूम फोटो की भी पहचान करनी होगी जिनमें पृष्ठभूमि में रसोई दिख रही हो। इसके विपरीत, विशिष्ट उपयोगकर्ता क्वेरी के लिए केंद्रित परिणाम आवश्यक होते हैं। LoRA फाइन-ट्यूनिंग ने हमारे अंडर-लेबलिंग समस्या को हल किया, लेकिन इस रास्ते का चयन आपके विशिष्ट व्यावसायिक संदर्भ पर निर्भर करता है।

मुख्य एंटिटीज़: कंपनियाँ: Alma Media, Google, Meta | स्थान: [ADDRESS]