Характеристики

Параметры: 113 млн
Лицензия: Apache 2.0
Архитектура: vit · dense
Базовая модель: vit-base-patch16-224-in21k
Опубликована: 2 окт 2023

Ссылки

Hugging Face

facial_emotions_image_detection

dima806

Классификация изображенийИзображение → label3 профессии

Дообученная модель ViT классифицирует эмоции по изображениям человеческих лиц.

4 392скачиваний за 30 дней129лайковвеса 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/facial_emotions_image_detection — дообученная версия Vision Transformer ViT-Base-Patch16-224, созданная для классификации эмоций по изображению человеческого лица. Она принимает изображение и предсказывает эмоциональную категорию; в карточке заявлена точность около 91%, но подробности оценки и набор тестовых данных не приведены. Модель содержит 113,2 млн параметров и распространяется в форматах PyTorch и Safetensors.

Модель предназначена для распознавания выражений лица в приложениях компьютерного зрения и анализа изображений. Она выпущена под лицензией Apache-2.0. Результаты могут зависеть от качества изображения и условий оценки; предсказанные эмоции не следует считать достоверным определением внутреннего состояния человека.

Сценарии применения

классификация эмоций на фотографии лица
распознавание выражений лица на изображениях
анализ эмоциональных выражений в материалах компьютерного зрения

Ограничения

В README заявлена точность около 91%, однако не описаны датасет и методика оценки. Вывод модели отражает классификацию видимого выражения лица и сам по себе не устанавливает внутреннее эмоциональное состояние человека.

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.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Returns facial emotion with about 91% accuracy based on facial human image.

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

image/png

Classification report:

              precision    recall  f1-score   support

         sad     0.8394    0.8632    0.8511      3596
     disgust     0.9909    1.0000    0.9954      3596
       angry     0.9022    0.9035    0.9028      3595
     neutral     0.8752    0.8626    0.8689      3595
        fear     0.8788    0.8532    0.8658      3596
    surprise     0.9476    0.9449    0.9463      3596
       happy     0.9302    0.9372    0.9336      3596

    accuracy                         0.9092     25170
   macro avg     0.9092    0.9092    0.9091     25170
weighted avg     0.9092    0.9092    0.9091     25170

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: 747cf16