基于CLIP和ROI的图像识别算法结构示意图，分为两个主要阶段：基类训练阶段和少样本微调阶段。通过结合CLIP的跨模态预训练能力和ROI特征提取，实现了在基类数据上的初步训练和在少样本数据上的有效微调。