Характеристики

Параметры: 113 млн
Архитектура: vit · dense
Базовая модель: vit-Facial-Expression-Recognition
Опубликована: 9 июл 2024

Ссылки

Hugging Face

vit-Facial-Expression-Recognition

Alpiyildo

Классификация изображенийИзображение → label3 профессии

Дообученная ViT-модель классифицирует выражения лица на изображениях.

51скачиваний за 30 дней1лайквеса обновлены16 июл 2024

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Alpiyildo/vit-Facial-Expression-Recognition — дообученная модель на архитектуре Vision Transformer (ViT) для классификации изображений. Она предназначена для распознавания выражений лица по фотографии. Модель содержит 113,2 млн параметров и опубликована в формате safetensors.

В README указана точность 0,9177 и loss 0,2631 на evaluation set; обучающий набор обозначен как imagefolder. Сведения о классах выражений, составе данных и условиях оценки не приведены, поэтому результат нельзя напрямую переносить на другие наборы изображений и сценарии. Лицензия в предоставленных данных не указана.

Сценарии применения

классификация выражения лица на фотографии
анализ эмоций по изображению лица
разметка изображений лиц по выражению

Ограничения

README не описывает классы выражений, состав обучающих данных и методику оценки; указанная точность относится только к evaluation set. Лицензия в предоставленных данных отсутствует.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделей II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

vit-Facial-Expression-Recognition

This model is a fine-tuned version of motheecreator/vit-Facial-Expression-Recognition on the imagefolder dataset. It achieves the following results on the evaluation set:

Loss: 0.2631
Accuracy: 0.9177

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

learning_rate: 3e-05
train_batch_size: 32
eval_batch_size: 32
seed: 42
gradient_accumulation_steps: 8
total_train_batch_size: 256
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: cosine
lr_scheduler_warmup_steps: 1000
num_epochs: 3

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
0.5315	0.8909	100	0.2603	0.9184
0.5202	1.7817	200	0.2583	0.9181
0.4912	2.6726	300	0.2609	0.9171

Framework versions

Transformers 4.41.2
Pytorch 2.3.0+cu121
Datasets 2.20.0
Tokenizers 0.19.1

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · image-classification

Можно запустить

Подбираем GPU…

Класс архитектуры: ViTForImageClassification
Ревизия весов: 8473772