/ Модель

Характеристики

Лицензия
OpenRAIL
Архитектура
efficientnet_b0 · dense
Базовая модель
efficientnet_b0
Библиотека
timm
Опубликована
19 янв 2026

image-medium-classifier-efficientnet-b0-v1

Классификация изображенийИзображение → label4 профессии

Дообученный EfficientNet-B0 классифицирует изображения как аниме, фотографию или рендер.

477скачиваний за 30 дней1лайквеса обновлены20 янв 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

Mitchins разработал классификатор изображений на базе EfficientNet-B0 из timm, дообученный для отнесения изображений к одному из трёх классов: anime, real и rendered. Модель принимает RGB-изображения размером 224×224 пикселя и содержит 5,3 млн параметров.

Классификатор предназначен для быстрой проверки, является ли изображение фотографией, аниме-кадром или 3D-рендером. В README указана точность 97,44% на валидационной выборке; скорость инференса около 20 мс на RTX 3060. Модель опубликована в формате safetensors и распространяется по лицензии OpenRAIL.

Ошибки возможны на пограничных примерах: фотореалистичные игровые сцены могут распознаваться как фотографии, стилизованные игры — как аниме, а изображения в стиле Pixar могут давать смешанную уверенность. Для важных решений README рекомендует учитывать порог уверенности выше 85% и анализировать матрицу ошибок.

Сценарии применения

  • определение, является ли изображение аниме
  • отличение фотографии от 3D-рендера
  • автоматическая сортировка изображений по типу визуального содержимого

Ограничения

Фотореалистичные игровые сцены могут классифицироваться как фотографии, а стилизованные игры — как аниме; изображения в стиле Pixar могут давать смешанную уверенность. Для критичных сценариев рекомендуется учитывать порог уверенности выше 85%.

Для каких профессий подходит4

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

Anime/Real/Rendered Image Classifier (EfficientNet-B0)

Fast, lightweight classifier for distinguishing photographs from anime and 3D rendered images.

Model Details

  • Architecture: EfficientNet-B0 (timm)
  • Input Size: 224×224 RGB
  • Classes: anime, real, rendered
  • Parameters: 5.3M
  • Validation Accuracy: 97.44%
  • Training Speed: ~1 min/epoch (GPU)
  • Inference Speed: ~20ms per image (RTX 3060)

Performance

ClassPrecisionRecallF1-Score
anime0.980.990.99
real0.980.980.98
rendered0.960.930.94
macro avg0.970.970.97

Usage

from PIL import Image
import torch
from torchvision import transforms
import timm
from safetensors.torch import load_file

# Load model
model = timm.create_model('efficientnet_b0', num_classes=3, pretrained=False)
state_dict = load_file('model.safetensors')
model.load_state_dict(state_dict)
model.eval()

# Prepare image
transform = transforms.Compose([
    transforms.Resize((224, 224)),
    transforms.ToTensor(),
    transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225]),
])

image = Image.open('image.jpg').convert('RGB')
x = transform(image).unsqueeze(0)

# Predict
with torch.no_grad():
    logits = model(x)
    probs = torch.softmax(logits, dim=1)
    pred_class = probs.argmax(dim=1).item()

labels = ['anime', 'real', 'rendered']
print(f"{labels[pred_class]}: {probs[0, pred_class]:.2%}")

Dataset

  • Real: 5,000 COCO 2017 validation images (diverse real-world scenarios)
  • Anime: 2,357 curated anime/animation frames
  • Rendered: 1,610 AAA game screenshots + 61 Pixar movie stills
  • Total: 8,967 images (8,070 train / 897 val)

Training Details

  • Augmentation: None (raw resize to 224×224)
  • Optimizer: AdamW (lr=0.001)
  • Loss: CrossEntropyLoss with class weighting
  • Epochs: 20
  • Batch Size: 80
  • Hardware: NVIDIA RTX 3060 (12GB)

Known Limitations

  • Real vs Rendered: Some confusion (photorealistic games misclassified as real)
  • Stylized Games: Cel-shaded games (e.g., Fate/Extella) may score as anime
  • Pixar: Stylized rendered images may show mixed confidence

Recommendations

  • Use ensemble with tf_efficientnetv2_s for critical applications
  • Apply confidence threshold: only trust predictions >85% confidence
  • For edge cases, use the full confusion matrix to understand failure modes

License

OpenRAIL - Free for research and commercial use with proper attribution

Как запустить

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

GPU в ailist

Универсальный рантайм · timm · image-classification

Можно запустить

Подбираем GPU…

Ревизия весов
21d5541

0 моделей