multimodal-image-retrieval

从意图识别到对比学习，跑通多模态图像检索全流程

开源 🏷️完全免费 ⏳ 访问状态待核验 计算机视觉 👀 关注 1
访问官网 ↗ GitHub ↗
GitHub 星标 ★ 123
维护状态 活跃
是否开源 开源
定价模式 🏷️完全免费 支持限时试用 · 开源项目，提供在线演示页面，免费使用

项目预览

multimodal-image-retrieval 项目界面预览图
图片来源：项目官网

项目数据

分类计算机视觉
开发团队liangjianshu
官网地址https://liangjianshu.github.io/multimodal-image-retrieval/overview
GitHubhttps://github.com/liangjianshu/multimodal-image-retrieval
定价模式🏷️完全免费
价格说明开源项目，提供在线演示页面，免费使用
访问状态⏳ 访问状态待核验
是否开源是
开源协议MIT
主要语言Python
技术栈/模型agent-tools,clip,contrastive-learning,ecommerce,embeddinggemma,image-retrieval,image-search,infonce,intent-recognition,lora,model-finetuning,multimodal-retrieval,product-search,prompt-engineering,pytorch,qwen,rag,text-to-image-retrieval,visual-search
GitHub 星标★ 123
上线时间2026-11-02 00:00:00
代码更新2026-11-05
仓库体积32.4 MB
本站数据更新2026-11-08
维护状态活跃
收录时间2026-11-08
浏览次数0

项目介绍

该项目是一个面向多模态图像检索的实战型开源教程与工具集合，围绕意图识别、Prompt 工程、Qwen LoRA 微调、EmbeddingGemma 2 嵌入模型以及 InfoNCE 对比学习展开。它解决的是从零搭建图像检索系统时，数据接入、模型训练、效果评测与检索组件串联缺乏完整范例的问题。核心能力包括：提供真实演示流程，支持接入自有数据集，给出训练与评测脚本或指南，并附带 RAG 检索组件的学习路径，帮助开发者理解文本到图像的语义匹配链路。项目以 Python 实现，整合了 CLIP、对比学习、电商图像搜索等常见技术要素，适合作为多模态检索与嵌入学习的入门实践参考。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-11-08 · 当前星标 ★ 123

核心亮点

  • 覆盖意图识别、LoRA 微调、InfoNCE 对比学习到检索评测的完整链路，适合系统学习
  • 提供真实演示与自有数据接入方式，便于替换成自己的图像数据集验证效果
  • 结合 EmbeddingGemma 2 与 RAG 检索组件，技术选型贴近当前多模态检索实践

不足之处

  • 星标数较少，社区规模小，问题反馈与长期维护情况有待观察
  • 作为教程型项目，工程化封装与大规模生产部署支持可能有限

适用场景

  • 学习多模态图像检索与对比学习的完整实现流程
  • 为电商或自有图库接入文本搜图能力做原型验证
  • 作为 RAG 系统中图像检索组件的参考实现

替代项目

open_clip、ImageBind、clip-retrieval

上一篇：shiping

下一篇：yolo-inference

同类项目推荐

UniAct 开源

统一机器人动作表示，让具身模型跨场景即学即用

[CVPR 2025] The offical Implementation of "Universal Actions for Enhanced Embodied F···

★ 246 2026-08-09
n8n-nodes-tesseractjs 开源

在 n8n 工作流里拖个节点，图片直接变文字

A N8N node that exposes the Tesseract OCR engine for converting images to text

★ 126 2026-10-07
NegPrompt 开源

用负提示让AI识别未知，开箱即用提升OOD检测

The official implementation of CVPR 24' Paper "Learning Transferable Negative Prompt···

★ 62 2026-08-09
Stable-Diffusion-Seg 开源

用 Stable Diffusion 单步反演，让医学图像分割又快又准

[MICCAI 2024] Codebase for "Stable Diffusion Segmentation for Biomedical Images with···

★ 117 2026-08-09
llm_aided_ocr 开源

用 LLM 把扫描 PDF 变成干净 Markdown，识别更准、格式更规整。

Enhances Tesseract OCR output using LLMs (local or API) for error correction, smart ···

★ 3011 2026-08-09
hub 开源

让旧摄像头变聪明，边缘实时识别安全隐患

Securade.ai HUB - A generative AI based edge platform for computer vision that conne···

★ 296 2026-10-26
grounded-segment-anything-colab 开源

一句话输入，自动检测分割并重绘图像，Colab 免费跑通全流程

Grounding DINO with Segment Anything & Stable Diffusion colab

★ 190 2026-08-09
xview-yolov3 开源

用YOLOv3快速训练卫星图像目标检测模型

YOLOv3 training, preprocessing, validation, and inference for object detection in xV···

★ 350 2026-08-10
QuickSnip 开源

Wayland 上截图即取字，还能顺手做图像搜索

⚡ Lightweight Wayland OCR & Google Lens utility built with Quickshell.

★ 166 2026-10-30