/ Модель

Характеристики

Лицензия
CC BY-NC-ND 4.0
Архитектура
banaxi_face_detector · dense
Библиотека
transformers
Опубликована
18 июн 2026

BananaMind-FaceDetect-V1

Поиск объектовИзображение → bounding_boxes3 профессии

Модель Banaxi Tech для обнаружения лиц и их рамок на RGB-изображениях, обученная с нуля на WIDER FACE.

31скачиваний за 30 дней1лайквеса обновлены18 июн 2026

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

BananaMind FaceDetect V1 — ранняя модель обнаружения лиц от Banaxi Tech. Она построена на SSDLite320 с MobileNetV3 Large и предоставляется через совместимую с Hugging Face Transformers обёртку для torchvision. Модель обучена с нуля на наборе WIDER FACE, без предварительно обученных весов основы; классы модели — фон и лицо.

Модель принимает RGB-изображения и предназначена для обнаружения лиц и их рамок, в том числе в сценах с различным масштабом, ракурсом и перекрытиями. Входной размер детектора — 320 пикселей; крошечные лица могли быть исключены из обучения. Модель может пропускать мелкие лица и выдавать дублирующиеся или неполные рамки в сложных случаях, поэтому подходит прежде всего для экспериментов, а не как замена более точным предварительно обученным детекторам.

Лицензия модели — CC-BY-NC-ND-4.0; карточка также указывает на ограничения лицензии набора WIDER FACE. Коммерческое использование и создание производных работ ограничены условиями лицензии.

Сценарии применения

  • поиск лиц на фотографиях
  • выделение рамок лиц в изображениях
  • эксперименты с детекторами лиц на WIDER FACE

Ограничения

Ранняя версия обучена с нуля и может уступать крупным предварительно обученным детекторам: модель может пропускать очень мелкие лица и выдавать дублирующиеся или неполные рамки в сложных сценах. Лицензия CC-BY-NC-ND-4.0 и условия WIDER FACE ограничивают использование.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

BananaMind FaceDetect V1

BananaMind FaceDetect V1 is an early face detection model from Banaxi Tech. It uses a custom Hugging Face Transformers-compatible wrapper around torchvision.models.detection.ssdlite320_mobilenet_v3_large and is intended for research and experimentation.

This model is licensed under CC-BY-NC-ND-4.0 and inherits non-commercial/no-derivatives usage restrictions from the WIDER FACE dataset license listed on Hugging Face. Do not treat this model as Apache, MIT, or commercial-use safe.

Model Details

  • Repository: Banaxi-Tech/BananaMind-FaceDetect-V1
  • Model name: BananaMind FaceDetect V1
  • Task: Face detection / object detection
  • Architecture: SSDLite320 MobileNetV3 Large via torchvision
  • Framework wrapper: Custom Hugging Face Transformers remote code
  • Training: Trained from scratch
  • Pretrained backbone weights: None
  • Ultralytics/YOLO: Not used
  • Number of classes: 2
  • Class 0: background
  • Class 1: face

The repository includes:

  • model.safetensors: main safetensors checkpoint
  • original_model.pt: original PyTorch checkpoint
  • config.json: custom Transformers config
  • configuration_banaxi_face_detector.py: custom config class
  • modeling_banaxi_face_detector.py: custom model wrapper
  • README.md: model card

Dataset And Attribution

This model was trained on WIDER FACE using the Hugging Face dataset repository CUHK-CSE/wider_face.

WIDER FACE is a face detection benchmark containing face bounding boxes across images with large variation in face scale, pose, occlusion, and scene type. The Hugging Face dataset page lists the dataset license as CC-BY-NC-ND-4.0.

Please also cite and follow the terms for WIDER FACE when using this model:

@inproceedings{yang2016wider,
  title={WIDER FACE: A Face Detection Benchmark},
  author={Yang, Shuo and Luo, Ping and Loy, Chen Change and Tang, Xiaoou},
  booktitle={IEEE Conference on Computer Vision and Pattern Recognition (CVPR)},
  year={2016}
}

Training Notes

  • Dataset source: CUHK-CSE/wider_face
  • Dataset task: face detection benchmark
  • Training hardware: NVIDIA A100 80GB GPU
  • Training used converted WIDER FACE bounding boxes
  • Very tiny faces were filtered out during training because the detector input size is 320px and tiny WIDER FACE boxes destabilized early training
  • Base detector: ssdlite320_mobilenet_v3_large
  • Input format: RGB image tensor normalized to 0..1

Usage

This repository uses custom remote code:

  • configuration_banaxi_face_detector.py
  • modeling_banaxi_face_detector.py

Load the model with trust_remote_code=True.

import torch
from transformers import AutoModel

model = AutoModel.from_pretrained(
    "Banaxi-Tech/BananaMind-FaceDetect-V1",
    trust_remote_code=True,
)
model.eval()

# pixel_values must be a tensor shaped B x 3 x H x W.
# Values should be RGB floats in the range 0..1.
pixel_values = torch.rand(1, 3, 320, 320)

with torch.no_grad():
    outputs = model(pixel_values=pixel_values)

prediction = outputs[0]
boxes = prediction["boxes"]    # xyxy pixel coordinates
scores = prediction["scores"]  # confidence scores
labels = prediction["labels"]  # label 1 means face

keep = scores >= 0.5
face_boxes = boxes[keep]
face_scores = scores[keep]

Outputs follow the torchvision detection format:

  • boxes: predicted bounding boxes in xyxy pixel coordinates
  • scores: confidence scores
  • labels: predicted class labels

Label 1 means face. A confidence threshold around 0.5 to 0.7 is recommended, depending on the use case.

Limitations

  • This is an early V1 model.
  • It was trained from scratch and may be less accurate than large pretrained face detectors.
  • It may miss very small faces.
  • It may produce duplicate or partial boxes in difficult cases.
  • It is intended mainly for experimentation and research.
  • The model inherits usage restrictions from the WIDER FACE dataset license.

License

This model is released under CC-BY-NC-ND-4.0.

The training dataset, WIDER FACE as hosted at CUHK-CSE/wider_face, is also listed on Hugging Face as CC-BY-NC-ND-4.0. Because of these terms, this model should be used for research/non-commercial purposes and should not be presented as commercially usable or permissively licensed.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · object-detection

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
BanaxiFaceDetectorModel
Ревизия весов
4f0c842

0 моделей