Характеристики

Параметры: 113 млн
Лицензия: Apache 2.0
Архитектура: vit · dense
Базовая модель: vit-base-patch16-224-in21k
Опубликована: 17 окт 2023

Ссылки

Hugging Face

faces_age_detection

dima806

Классификация изображенийИзображение → label3 профессии

Дообученный ViT классифицирует лица на фотографии по трём возрастным группам: молодые, средний возраст и пожилые.

58скачиваний за 30 дней9лайковвеса обновлены19 окт 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

Модель dima806/faces_age_detection — дообученный Vision Transformer ViT-Base для классификации изображений лиц по возрастным группам. Она принимает изображение лица и предсказывает одну из трёх категорий: YOUNG, MIDDLE или OLD.

По отчёту в карточке, точность на указанной выборке из 12 965 примеров составляет около 91%. Модель подходит для оценки возрастной группы на фотографиях в задачах компьютерного зрения. Размер — 113,2 млн параметров; доступны веса PyTorch и safetensors. Лицензия — Apache-2.0.

Сценарии применения

определение возрастной группы человека на фотографии
группировка портретов по возрастным категориям
анализ возрастного состава изображений в наборе данных

Ограничения

Предсказывает только три укрупнённые возрастные категории, а не точный возраст. Указанная точность около 91% относится к выборке из отчёта в карточке; переносимость на другие данные там не описана.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделей II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Returns age group with about 91% accuracy based on facial image.

See https://www.kaggle.com/code/dima806/age-group-image-detection-vit for more details.

image/png

Classification report:

              precision    recall  f1-score   support

      MIDDLE     0.8316    0.9278    0.8771      4321
       YOUNG     0.9598    0.8563    0.9051      4322
         OLD     0.9552    0.9477    0.9515      4322

    accuracy                         0.9106     12965
   macro avg     0.9155    0.9106    0.9112     12965
weighted avg     0.9155    0.9106    0.9112     12965

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: ee8ce07