LPCV | 모델 학습시켜보기

본 모델 목표: 작고, export 잘 되고, AI Hub에서 compile 잘 되는 구조

• Image Encoder: MobileNetV3-Small 같은 경량 CNN + projection(Linear)
• Text Encoder: CLIP 토큰 임베딩 + 아주 작은 Transformer(1~2 layer) + projection(Linear)

 

임베딩 차원 D: 256 (더 빠름)

• 단, 추후 정확도(Recall@10) 올리려면 512가 유리할 때가 많음.