Характеристики

Параметры: 113 млн
Лицензия: Apache 2.0
Архитектура: vit · dense
Базовая модель: vit-base-patch16-224-in21k
Библиотека: transformers
Опубликована: 29 июл 2026

Ссылки

Hugging Face

vit-fer2013-emotion

ChristopherLi

Классификация изображенийИзображение → label3 профессии

Модель на базе Vision Transformer определяет одну из семи эмоций по изображению лица, включая кадры с веб-камеры.

14скачиваний за 30 дней0лайковвеса обновлены29 июл 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

ChristopherLi разработал ViT Emotion Recognition — модель Vision Transformer, дообученную на наборе FER2013 Enhanced для распознавания семи эмоций по выражению лица на изображении. Она рассчитана на работу с лицами в естественных условиях, в том числе с кадрами веб-камеры, и доступна через библиотеку Transformers для классификации изображений.

Модель различает злость, отвращение, страх, радость, грусть, удивление и нейтральное выражение. Основа — google/vit-base-patch16-224-in21k; размер — 113,2 млн параметров. При обучении изображения лиц размером 48×48 в оттенках серого увеличивали до 224×224 и копировали канал на три цветовых канала. На тестовой выборке указаны точность 69,4% и Macro F1 0,656. Лицензия — Apache-2.0.

Сценарии применения

классификация эмоций на фотографии лица
распознавание выражений лица в видеопотоке с веб-камеры
анализ распределения эмоций в наборе изображений лиц

Ограничения

На тестовой выборке FER2013 указаны точность 69,4% и Macro F1 0,656; автор отмечает, что FER2013 — шумный бенчмарк. Результат отражает распознавание выражений лица по изображениям и сам по себе не устанавливает реальное эмоциональное состояние человека.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

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 IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделей 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 Emotion Recognition (FER2013)

Vision Transformer fine-tuned for 7-class facial emotion recognition on the FER2013 Enhanced dataset.

Best for in-the-wild / webcam faces.

Labels

angry, disgust, fear, happy, sad, surprise, neutral

Usage

from transformers import pipeline

clf = pipeline("image-classification", model="ChristopherLi/vit-fer2013-emotion")
print(clf("face.jpg"))

Or with this project's webcam app:

python webcam_app.py --model ChristopherLi/vit-fer2013-emotion

Training

Base: google/vit-base-patch16-224-in21k
3 epochs, fp16, lr 5e-5, effective batch size 32
Input: 48×48 grayscale faces resized to 224×224 and replicated to 3 channels

Results (test set)

Metric	Value
Accuracy	69.4%
Macro F1	0.656

FER2013 is a noisy benchmark (human agreement ~65%). See the project README for details.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · image-classification

Можно запустить

Подбираем GPU…

Класс архитектуры: ViTForImageClassification
Ревизия весов: 98c4bf0