20260706:新增一些文章

concepts/open-vocabulary-recognition.md

@@ -0,0 +1,28 @@
+---
+title: "开放词表识别 (Open-Vocabulary Recognition)"
+created: 2026-07-04
+updated: 2026-07-04
+type: concept
+tags: [vision, classification, zero-shot, vlm]
+sources: []
+---
+
+# 开放词表识别 (Open-Vocabulary Recognition)
+
+利用 VLM 的文本-图像对齐能力，不依赖预定义标签集，直接用自然语言描述类别进行识别。
+
+## 与零样本分类的关系
+
+- 零样本分类（[[zero-shot-classification]]）：在训练中未见过的类别上做预测
+- 开放词表识别：更广泛的框架——任何可被自然语言描述的类别都可识别，无需在训练中显式定义标签空间
+
+## VLM 实现
+
+VLM 将类别名（或描述性 prompt）编码为文本嵌入，与图像嵌入做余弦相似度匹配：
+$$f(x) = \arg\max_c \langle f_{\text{img}}(x), f_{\text{text}}(t_c) \rangle$$
+
+## 参考
+
+- [[vision-language-models|VLM]]
+- [[clip|CLIP]]
+- [[text-proxy-for-semantics|文本语义代理]]