/ Модель

Характеристики

Параметры
113 млн
Лицензия
Apache 2.0
Архитектура
vit · dense
Опубликована
22 авг 2024

age-vit

Классификация изображенийИзображение → label3 профессии

AGE-ViT — дообученная ViT-модель, классифицирующая изображения людей по категориям «несовершеннолетний» и «взрослый», включая стилизованные и сгенерированные изображения.

1 883скачиваний за 30 дней2лайкавеса обновлены22 авг 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

AGE-ViT — модель классификации изображений на основе Vision Transformer, дообученная разработчиком Civitai для определения, изображено ли на картинке лицо несовершеннолетнего или взрослого. Модель рассчитана на фотографии людей, а также на изображения сгенерированных людей в стилях аниме, мультфильмов и цифрового искусства.

При дообучении использовались FairFace и синтетический набор из 15 тысяч изображений, созданных Flux. В отличие от FairFace, где преимущественно представлены фронтальные портреты, синтетические изображения не обрезали до лиц, чтобы модель могла учитывать композицию и изображения с большей частью тела. Модель содержит 113,2 млн параметров и распространяется в формате safetensors по лицензии Apache-2.0.

Результат классификации предназначен для оценки возрастной категории по изображению; README не приводит метрики качества. Модель может хуже работать на изображениях, существенно отличающихся от обучающих данных. В частности, FairFace в основном содержит фронтальные портреты, а синтетический набор составлен из изображений Flux; заявлено расширение набора изображениями SD 1.5 и повторное обучение.

Сценарии применения

  • оценка возрастной категории человека на изображении
  • проверка, изображён ли на картинке несовершеннолетний
  • классификация возраста на портретах и изображениях людей
  • анализ возрастной категории персонажей в аниме и мультфильмах
  • классификация сгенерированных изображений людей

Ограничения

README не приводит метрики качества. Обучающая выборка FairFace преимущественно состоит из фронтальных портретов, а синтетические изображения получены с помощью Flux, поэтому качество на других типах изображений и генераторах может отличаться.

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

AGE-ViT

Age-classifying Generative Entity Vision Transformer

A Vision Transformer finetuned to classify images of human faces into 'minor' or 'adult'.

This model is a finetuned version of https://huggingface.co/nateraw/vit-age-classifier which was finetuned on the fairface dataset. We then utilize a dataset of generated humans to get the model to recognize the composition and styles across anime, cartoons, digitial art, etc as they're created by diffusion models.

Users should note that fairface is trained on specifically the human face and maybe a small portion of their body, similar to a 'headshot' whereas the generated dataset may be headshot style or include more of the body. To allow for better recognition we did not extract the faces of the generated dataset during training, instead allowing the model to train on the full image.

Datasets

These datasets were used in finetuning, with fairface finetuning the classifier we built on top of.

FairFace dataset

https://github.com/dchen236/FairFace

This is a balanced dataset for race, gender, and age and was initial intended for bias mitigation. The majority of the images in this dataset are direct and front facing.

Synthetic Dataset

https://civitai.com/models/668458/synthetic-human-dataset

This dataset was fully generated by flux and contains 15k images of men, women, boys, and girls from the front, side, and slightly above. This dataset will be expanded with sd15 images and the model will be retrained.

To use the model

import requests
from PIL import Image
from io import BytesIO

from transformers import ViTImageProcessor, ViTForImageClassification

# Get example image from official fairface repo + read it in as an image
r = requests.get('https://image.civitai.com/xG1nkqKTMzGDvpLrqFT7WA/9488af10-7f1f-4361-877b-d9cfafeab131/original=true,quality=90/24599129.jpeg')
im = Image.open(BytesIO(r.content))

model_dir = 'civitai/age-vit'

# Init model, transforms
model = ViTForImageClassification.from_pretrained(model_dir)
transforms = ViTImageProcessor.from_pretrained(model_dir)

# Transform our image and pass it through the model
inputs = transforms(im, return_tensors='pt')
output = model(**inputs)

# Predicted Class probabilities
proba = output.logits.softmax(1)

# Predicted Classes
preds = proba.argmax(1)

# Get label/string prediction 
prediction = model.config.id2label[preds.item()]

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
1d32ab7

0 моделей