通用分类模型

简介

Zero-shot 图像分类，支持为每个标签提供多个提示/描述词，无需训练即可输出类别及置信度。

输入/输出

• 输入（Input）: - 图像（来自上游节点或工作流输入）

• 输出（Output）: - 预测的类别标签及置信度 - Top-K 排序结果（按置信度降序）

配置参数详解

参数	说明	示例/ 默认值
节点名称	工作流中该节点的名称。	general_classification_1
备注	可选备注信息，记录用途。	留空
图像	指定输入图像来源。	input.image
分类标签	使用 JSON 配置，每个标签可给出多个提示/描述词。描述越具体（外观、材质、用途等）分类越准确。	见下方示例
模型大小	base=最快，medium=平衡，large=最准确。	base
推理精度	FP32（32位浮点）更准确；FP16（16位浮点）更快但精度略低。	fp32
置信度阈值	过滤低于阈值的预测。	0.3
Top-K	返回置信度最高的前 K 个结果。	5

分类标签示例

{
  "car": [
    "A modern, road-legal passenger car with a wide and well-proportioned body, recognizable brand logo, complex headlights, full-size wheels, and high-quality automotive design."
  ],
  "e-bike": [
    "A lightweight electric scooter with a small frame, simple plastic body panels, thin wheels, and a pedal-free design, typically used as an e-bike in China."
  ],
  "bus": [
    "A large city bus with multiple rows of seats, wide windows, and a destination display on the front."
  ]
}