FCCLIP！最强视觉分割大模型！秒杀SAM系列！少样本视觉分割神器！

概要

传统的检测网络和分割网络， 在开源数据集上效果很好，依赖于大量的有label的数据集。然而，实际视觉项目中，数据集不足或数据集难获取是一种常态，少样本的视觉检测分割方法显得尤为重要。 视觉大模型可以很好的解决这一问题，视觉大模型可以用很少的数据量达到很好的效果。 在分割任务方面，FC-CLIP模型相比SAM系列有明显的性能及效果优势，作者详细介绍一下FC-CLIP模型。
Convolutions Die Hard: Open-Vocabulary Segmentation with Single Frozen Convolutional CLIP
FC-CLIP论文链接：https://arxiv.org/abs/2308.02487
FC-CLIP官方github代码：https://github.com/bytedance/fc-clip

整体架构流程

首先看一下网络结构图

1. 论文给出的网络结构图是训练和推理合在一起的网络结构图。
   训练的时候out-vocab branch是不参与的， 只有in-vocab branch参与。