/ Модель

Характеристики

Параметры
113 млн
Лицензия
Apache 2.0
Архитектура
vit · dense
Базовая модель
vit-base-patch16-224-in21k
Библиотека
transformers
Опубликована
6 дек 2024

fairface_age_image_detection

Классификация изображенийИзображение → label3 профессии

Дообученный Vision Transformer для определения возрастной группы человека по изображению с указанной точностью около 59%.

35 475скачиваний за 30 дней84лайкавеса 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

Dima806/fairface_age_image_detection — модель компьютерного зрения на базе Vision Transformer, дообученная для классификации изображений по возрастным группам. Она принимает изображение и предсказывает возрастную категорию; в README указана точность около 59%. Модель содержит 113,2 млн параметров, использует библиотеку Transformers и веса Safetensors, а при обучении применялся датасет nateraw/fairface.

Модель подходит для экспериментальной оценки возрастных групп на изображениях. Возраст по фотографии определяется с ограниченной точностью, поэтому результат не следует считать точной оценкой возраста. Лицензия — Apache-2.0.

Сценарии применения

  • оценка возрастной группы человека на фотографии
  • экспериментальная классификация портретов по возрастным категориям
  • анализ изображений лиц в исследовательских прототипах

Ограничения

В README указана точность около 59%, поэтому предсказания могут быть ненадёжными и не подходят для точного установления возраста. Описание не приводит метрики по отдельным возрастным группам или условиям съёмки.

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

Detects age group with about 59% accuracy based on an image.

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

image/png

Classification report:

              precision    recall  f1-score   support

         0-2     0.7803    0.7500    0.7649       180
         3-9     0.7998    0.7998    0.7998      1249
       10-19     0.5361    0.4236    0.4733      1086
       20-29     0.6402    0.7221    0.6787      3026
       30-39     0.4935    0.5083    0.5008      2099
       40-49     0.4848    0.4386    0.4606      1238
       50-59     0.5000    0.4814    0.4905       725
       60-69     0.4497    0.4685    0.4589       286
more than 70     0.6897    0.1802    0.2857       111

    accuracy                         0.5892     10000
   macro avg     0.5971    0.5303    0.5459     10000
weighted avg     0.5863    0.5892    0.5844     10000

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · image-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
ViTForImageClassification
Ревизия весов
4e02ab8

0 моделей