/ Модель

Характеристики

Параметры
113 млн
Лицензия
Apache 2.0
Архитектура
vit · dense
Базовая модель
vit-base-patch16-224-in21k
Опубликована
13 сен 2023

emotion_classification

Классификация изображенийИзображение → label3 профессии

Классификатор на базе ViT определяет эмоциональную категорию изображения по одной из восьми меток.

65скачиваний за 30 дней0лайковвеса обновлены17 сен 2023

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

Модель dennisjooo/emotion_classification — классификатор изображений на базе Vision Transformer (ViT), дообученный на наборе FastJobs/Visual_Emotional_Analysis. Она предназначена для определения эмоциональной категории по изображению; в наборе данных используется восемь меток. Модель содержит 113,2 млн параметров и принимает изображения, масштабируемые до 224 × 224 пикселей.

На тестовой выборке автор сообщает точность 0,6687, F1 0,6713 и precision 0,7104. Эти показатели относятся к указанному разделению набора данных и не гарантируют такого же качества на других изображениях. Модель опубликована в форматах PyTorch и Safetensors под лицензией Apache-2.0.

Сценарии применения

  • классификация эмоциональной окраски изображений
  • анализ эмоциональных выражений на изображениях
  • разметка изображений по эмоциональным категориям

Ограничения

На оценочной выборке указана точность 0,6687, поэтому возможны ошибки классификации. Результаты основаны на конкретном наборе данных и не подтверждают качество на иных типах изображений.

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

Emotion Classification

This model is a fine-tuned version of google/vit-base-patch16-224-in21k on the FastJobs/Visual_Emotional_Analysis dataset.

In theory, the accuracy for a random guess on this dataset is 0.125 (8 labels and you need to choose one).

It achieves the following results on the evaluation set:

  • Loss: 1.0511
  • Accuracy: 0.6687
  • Precision: 0.7104
  • F1: 0.6713

Model description

The Vision Transformer base version trained on ImageNet-21K released by Google. Further details can be found on their repo.

Training and evaluation data

Data Split

Trained on FastJobs/Visual_Emotional_Analysis dataset. Used a 4:1 ratio for training and development sets and a random seed of 42. Also used a seed of 42 for batching the data, completely unrelated lol.

Pre-processing Augmentation

The main pre-processing phase for both training and evaluation includes:

  • Bilinear interpolation to resize the image to (224, 224, 3) because it uses ImageNet images to train the original model
  • Normalizing images using a mean and standard deviation of [0.5, 0.5, 0.5] just like the original model

Other than the aforementioned pre-processing, the training set was augmented using:

  • Random horizontal & vertical flip
  • Color jitter
  • Random resized crop

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 5e-05
  • train_batch_size: 64
  • eval_batch_size: 64
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: cosine_with_restarts
  • lr_scheduler_warmup_steps: 150
  • num_epochs: 300

Training results

Training LossEpochStepValidation LossAccuracyPrecisionF1
2.0791.0102.08950.05630.06040.0521
2.07892.0202.08510.05630.06020.0529
2.07173.0302.07730.08130.08580.0783
2.06134.0402.06580.1250.19970.1333
2.04455.0502.04830.18750.25690.1934
2.01766.0602.02060.23130.26920.2384
1.98947.0701.97630.30630.30330.2983
1.92328.0801.89120.36250.33070.3194
1.82569.0901.77750.40620.35310.3600
1.73210.01001.65800.46880.41580.4133
1.640611.01101.55970.50.43580.4370
1.558412.01201.48550.51250.47920.4784
1.489813.01301.42480.54370.50110.5098
1.421614.01401.36920.56870.52550.5289
1.370115.01501.31580.56870.53460.5360
1.343816.01601.28420.54370.54510.5098
1.279917.01701.26200.56250.51690.5194
1.248118.01801.23210.59380.60030.5811
1.199319.01901.21080.56870.56400.5412
1.159920.02001.18530.550.54340.5259
1.108721.02101.18390.55630.56700.5380
1.075722.02201.19050.550.56820.5308
0.998523.02301.15090.63750.67140.6287
0.977624.02401.10480.61880.62220.6127
0.933125.02501.11960.61250.63450.6072
0.888726.02601.14240.59380.61740.5867
0.87927.02701.12320.60620.63420.5978
0.836928.02801.11720.60.64800.5865
0.786429.02901.12850.59380.68190.5763
0.777530.03001.05110.66870.71040.6713
0.728131.03101.02950.65620.65960.6514
0.734832.03201.03980.63750.63530.6319
0.689633.03301.07290.60620.62050.6062
0.61334.03401.05050.64380.65950.6421
0.603435.03501.08270.63750.65930.6376
0.623636.03601.12710.61250.62380.6087
0.560737.03701.09850.60620.62540.6015
0.583538.03801.07910.63750.66240.6370
0.588939.03901.13000.60620.65290.6092
0.513740.04001.10620.6250.64570.6226
0.480441.04101.14520.61880.64030.6158
0.481142.04201.12710.63750.64780.6347
0.517943.04301.19420.58750.61850.5874
0.474444.04401.15150.61250.63290.6160
0.432745.04501.13210.63750.66690.6412
0.456546.04601.17420.6250.64780.6251
0.400647.04701.16750.60620.63610.6079
0.454148.04801.15420.61250.64040.6152
0.368949.04901.21900.58750.61340.5896
0.379450.05001.20020.60620.61550.6005
0.42951.05101.29040.5750.62070.5849
0.43152.05201.24160.58750.60280.5794
0.381353.05301.20730.61250.64490.6142
0.36554.05401.20830.60620.64540.6075
0.371455.05501.16270.63750.65760.6390
0.339356.05601.16200.64380.65050.6389
0.367657.05701.15010.6250.62940.6258
0.337158.05801.27790.58750.60000.5792
0.332559.05901.27190.5750.58430.5651
0.350960.06001.29560.60.64220.6059

Framework versions

  • Transformers 4.33.0
  • Pytorch 2.0.0
  • Datasets 2.1.0
  • Tokenizers 0.13.3

Как запустить

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

GPU в ailist

Универсальный рантайм · image-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
ViTForImageClassification
Ревизия весов
c12b472

0 моделей