/ Модель

Характеристики

Лицензия
Apache 2.0
Библиотека
timm
Опубликована
30 ноя 2024

idolsankaku-swinv2-tagger-v1

Языковая модель5 профессий

Модель SwinV2 от DeepGHS присваивает фотографиям рейтинги, теги персонажей и общие теги.

15скачиваний за 30 дней6лайковвеса обновлены15 дек 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

IdolSankaku SwinV2 Tagger v1 — модель DeepGHS для автоматической разметки изображений тегами. Она предсказывает рейтинги, персонажей и общие теги для фотографий; обучена на наборе реальных фотографий с разметкой, проверенной людьми. Архитектура SwinV2, модель совместима с timm и доступна в форматах ONNX и safetensors. ONNX-версия поддерживает пакетную обработку изображений и требует onnxruntime версии 1.17.0 или новее.

Валидация версии 1.0 дала F1 0,6161 при пороге 0,3094. Модель подходит для автоматической категоризации и тегирования фотографий; точность зависит от изображения и предсказанных тегов. Лицензия — Apache-2.0.

Сценарии применения

  • автоматическое тегирование фотографий
  • определение персонажей на изображениях
  • присвоение рейтинга изображению
  • пакетная разметка коллекции фотографий

Ограничения

Валидационный F1 версии 1.0 составляет 0,6161 при пороге 0,3094; точность предсказаний зависит от содержания изображения. Карточка описывает обучение на реальных фотографиях с человеческой разметкой.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

IdolSankaku SwinV2 Tagger v1

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

Trained on a human annotated dataset of real world photos.

Validation results

v1.0: P=R: threshold = 0.3094, F1 = 0.6161

What's new

Model v1.0/Dataset v1:
First version of the dataset, tags updated on 2024-08-31.
timm compatible! Load it up and give it a spin using the canonical one-liner!
ONNX model is compatible with code developed for the v3 series of WD tagger 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.

Thanks

Thanks to the whole DeepGHS team for data gathering and encouraging me to push the models much further than they had any reason to attempt to reach, much less succeed.

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
dae1ee7

0 моделей