/ Модель

Характеристики

Лицензия
MIT
Библиотека
pytorch
Опубликована
21 авг 2026

cnn-fkp-baseline

Классификация и разметка3 профессии

Свёрточная модель находит 68 ориентиров лица на заранее обрезанном изображении лица.

9скачиваний за 30 дней0лайковвеса обновлены21 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

FrancescoMrn/cnn-fkp-baseline — свёрточная нейросеть для регрессии 68 лицевых ключевых точек в порядке разметки iBUG 300-W. Модель принимает уже выделенный фронтальный снимок лица в градациях серого размером 224×224, масштабированный в диапазон [0, 1], и выдаёт 68 нормализованных пар координат (x, y); координаты можно преобразовать в пиксели относительно исходного кадрирования.

Модель предназначена для локализации ориентиров лица, например контура челюсти и бровей. Она обучена на наборе Udacity, извлечённом из YouTube Faces Database, с разметкой 68 точек; при проверке с разделением по идентичностям указана NME 0,3172. Это базовая CNN-архитектура, реализованная на PyTorch, веса доступны в формате safetensors. Лицензия — MIT; автор указывает исследовательское и образовательное применение.

Модель ожидает предварительно обнаруженное лицо и не предназначена для самостоятельного поиска лиц в кадре. Данные обучения демографически несбалансированы; качество для профильных лиц, сильных перекрытий и необычного освещения не проверялось.

Сценарии применения

  • разметка 68 ориентиров на фронтальном лице
  • оценка координат бровей и контура челюсти
  • подготовка лицевых ключевых точек для анализа мимики
  • извлечение ориентиров лица из кадров видео после обнаружения лица

Ограничения

Модель рассчитана на относительно фронтальное лицо, уже выделенное и приведённое к размеру 224×224; качество на профильных лицах, при сильных перекрытиях и необычном освещении не проверялось. Обучающий набор демографически несбалансирован, а указанная в README валидационная NME составляет 0,3172.

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

FrancescoMrn/cnn-fkp-baseline

68-point facial keypoint regression, in the iBUG 300-W landmark ordering.

Input and output

  • Input: a single-channel (grayscale) 224x224 face crop, scaled to [0, 1], shape (N, 1, H, W).
  • Output: (N, 136) — 68 (x, y) pairs, normalised to [-0.5, 0.5] relative to the crop. Multiply by the crop size and add half of it to get pixels.

Usage

from huggingface_hub import hf_hub_download
from safetensors.torch import load_file

from fkp.models import build_model

path = hf_hub_download("FrancescoMrn/cnn-fkp-baseline", "model.safetensors")
model = build_model("baseline_cnn")
model.load_state_dict(load_file(path))
model.eval()

Or, with this repository installed, fkp resolves the config automatically:

from fkp.hub import load_from_hub

model, meta = load_from_hub("FrancescoMrn/cnn-fkp-baseline")

Results

Validation NME 0.3172 — mean landmark error as a fraction of the inter-ocular distance. Lower is better; 0.05 means the average landmark sits 5% of the distance between the outer eye corners away from its target.

regionNME
jaw0.3276
right_brow0.3260
left_brow0.3251
nose0.3232
mouth0.3133
right_eye0.2979
left_eye0.2965

The jaw is 17 of the 68 points and is consistently the hardest region, so it dominates the overall average.

Training

architecturebaseline_cnn
optimiseradamw @ lr 0.001
lossmse
schedulecosine
initialisationkaiming
batch size64
epochs200
seed0
split2766 train / 696 validation images
identities278 / 69, no overlap

The validation split holds out whole identities. The images are YouTube Faces frames, with roughly ten frames per person, so a random split would put near-duplicate frames of the same face on both sides and measure memorisation rather than generalisation.

Data and limitations

Trained on the Udacity extract of the YouTube Faces Database, annotated with 68 landmarks. The dataset is not demographically balanced, and the model inherits that. It expects a reasonably frontal, already-detected face crop; performance on profile views, heavy occlusion or unusual lighting is untested.

Research and educational use.

Как запустить

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

GPU в ailist

Универсальный рантайм · pytorch · keypoint-detection

Нельзя запустить

Архитектура ? неизвестна transformers в образе рантайма.

Ревизия весов
c657a35

0 моделей