/ Модель

Характеристики

Лицензия
MIT
Библиотека
gguf
Опубликована
1 авг 2026

vision

Классификация изображенийИзображение → label3 профессии

Преобразованный в safetensors и GGUF набор весов face-api для обнаружения лиц и анализа их признаков.

259скачиваний за 30 дней1лайквеса обновлены1 авг 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

Это набор предварительно обученных весов моделей face-api из репозитория vladmandic/face-api, преобразованных CognitiveOS-Labs в форматы safetensors и GGUF без потери значений. В комплект входят веса для обнаружения лиц, определения 68 лицевых ориентиров и других задач анализа лица; исходная карточка также перечисляет распознавание лиц, выражения, возраста и пола. Все тензоры представлены в float32, кроме отдельных целочисленных констант постобработки SSD MobileNet.

Репозиторий содержит только веса: архитектуры описаны в исходном коде face-api, а GGUF-файлы используют пользовательскую архитектуру и пока не загружаются llama.cpp. Лицензия — MIT.

Сценарии применения

  • обнаружение лиц на изображениях
  • определение 68 ключевых точек лица
  • распознавание лиц
  • определение выражения лица
  • оценка возраста и пола по лицу

Ограничения

Это только веса без описания топологии модели; для запуска требуется совместимая реализация архитектур face-api. GGUF-файлы используют пользовательский тип архитектуры и пока не поддерживаются llama.cpp.

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

face-api weights (gguf + safetensors)

Pre-trained model weights from vladmandic/face-api at commit 189226d63aabb48cb40776fd1c453ebc0fa722f1, converted losslessly to portable safetensors and gguf (float32) formats by the CognitiveOS-Labs/tfjs-weights-to-gguf reproducible pipeline.

Models

FileTensorsPurpose
tiny_face_detector_model.gguf19Tiny face detection
face_landmark_68_model.gguf4968-point landmarks
face_landmark_68_tiny_model.gguf28Tiny 68-point landmarks
face_recognition_model.gguf117Face embedding (128-d)
ssd_mobilenetv1_model.gguf151SSD face detection
age_gender_model.gguf51Age / gender
face_expression_model.gguf49Facial expression

Every model is also provided as .safetensors and both formats carry a *-mapping.json recording each tensor's name, shape, dtype, data location, and the original TF.js quantization block (source traceability).

Format notes

  • Weights only. The face-api repo has no model.json — the network topologies live in its TypeScript sources under src/. These artifacts preserve the original TF.js tensor names verbatim.
  • All tensors are float32 (the dequantized values produced by the TF.js loader), except 15 scalar int32 constants in ssd_mobilenetv1_model (postprocessor shape parameters).
  • The gguf files use generic packing (metadata keys general.architecture, general.name, general.source, general.source.commit, general.alignment, general.file_type; GGML dim order; GGML_TYPE_F32=0, GGML_TYPE_I32=26). They are structurally valid GGUF v3 but use a custom general.architecture, so llama.cpp will not load them yet — a runtime for these architectures is the documented follow-up (see the face-recognition CGP repo).
  • Reference loaders and the full bitwise-validation suite live in the CognitiveOS-Labs/tfjs-weights-to-gguf repo under scripts/.

Consumed by

Source & license

Weights derived from vladmandic/face-api (MIT), commit 189226d63aabb48cb40776fd1c453ebc0fa722f1, provided "as-is". Conversion tooling in the tfjs-weights-to-gguf repo is MIT.

The recognition backbone was trained on VGGFace2-like data by the face-api project; generic face recognition works out of the box, while recognizing specific people is an enrollment (embedding-gallery) operation.

Как запустить

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

GPU в ailist

Универсальный рантайм · gguf · image-classification

Нельзя запустить

В репозитории нет config.json: не понять архитектуру модели.

Ревизия весов
b8e863d

0 моделей