/ Модель

Характеристики

Лицензия
Apache 2.0
Библиотека
timm
Опубликована
4 мар 2024

wd-convnext-tagger-v3

Языковая модель3 профессии

ConvNeXt-модель SmilingWolf определяет рейтинги, персонажей и общие теги Danbooru на изображениях для их автоматической разметки и поиска.

948скачиваний за 30 дней27лайковвеса обновлены16 мар 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

WD ConvNext Tagger v3 — модель SmilingWolf для автоматической разметки изображений тегами Danbooru. Она использует архитектуру ConvNeXt и предназначена для предсказания рейтингов, персонажей и общих тегов по изображению. Обучена на изображениях Danbooru; редкие теги и изображения с малым числом общих тегов исключались из обучающей выборки.

Версия датасета v3 включает более свежие теги по состоянию на 28 февраля 2024 года и больше обучающих изображений. Для борьбы с дисбалансом классов применялось масштабирование функции потерь по частоте тегов. Репозиторий содержит модели в форматах ONNX и safetensors; также заявлена совместимость с timm. Для ONNX требуется onnxruntime версии 1.17.0 или новее. Лицензия — Apache-2.0.

Модель подходит для пакетного автоматического тегирования изображений и извлечения тегов для поиска или каталогизации. Валидация на указанном наборе дала F1 0,4419 при пороге 0,2682 для версии v2.0; эти показатели не гарантируют аналогичного качества на других изображениях. Обучение проводилось на изображениях Danbooru, поэтому покрытие тегов и качество на изображениях вне этого домена могут быть ограничены.

Сценарии применения

  • автоматическое тегирование изображений в стиле аниме
  • определение персонажей на изображениях Danbooru
  • предсказание рейтинга изображения
  • извлечение тегов для поиска по коллекции изображений
  • пакетная разметка изображений через ONNX

Ограничения

Обучение и проверка проводились на изображениях и тегах Danbooru, поэтому качество и покрытие тегов вне этого домена могут быть ограничены. В README для версии v2.0 указана валидационная F1 0,4419 при пороге 0,2682.

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

WD ConvNext Tagger v3

Supports ratings, characters and general tags.

Trained using https://github.com/SmilingWolf/JAX-CV.
TPUs used for training kindly provided by the TRC program.

Dataset

Last image id: 7220105
Trained on Danbooru images with IDs modulo 0000-0899.
Validated on images with IDs modulo 0950-0999.
Images with less than 10 general tags were filtered out.
Tags with less than 600 images were filtered out.

Validation results

v2.0: P=R: threshold = 0.2682, F1 = 0.4419
v1.0: P=R: threshold = 0.2570, F1 = 0.4282

What's new

Model v2.0/Dataset v3:
Trained for a few more epochs.
Used tag frequency-based loss scaling to combat class imbalance.

Model v1.1/Dataset v3:
Amended the JAX model config file: add image size.
No change to the trained weights.

Model v1.0/Dataset v3:
More training images, more and up-to-date tags (up to 2024-02-28).
Now timm compatible! Load it up and give it a spin using the canonical one-liner!
ONNX model is compatible with code developed for the v2 series of models.
The batch dimension of the ONNX model is not fixed to 1 anymore. Now you can go crazy with batch inference.
Switched to Macro-F1 to measure model performance since it gives me a better gauge of overall training progress.

Runtime deps

ONNX model requires onnxruntime >= 1.17.0

Inference code examples

For timm: https://github.com/neggles/wdv3-timm
For ONNX: https://huggingface.co/spaces/SmilingWolf/wd-tagger
For JAX: https://github.com/SmilingWolf/wdv3-jax

Final words

Subject to change and updates. Downstream users are encouraged to use tagged releases rather than relying on the head of the repo.

Как запустить

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

GPU в ailist

Универсальный рантайм · timm

Нельзя запустить

У модели не указана задача.

Ревизия весов
d39e46d

0 моделей