Характеристики

Параметры: 113 млн
Лицензия: MIT
Архитектура: vit · dense
Базовая модель: vit-base-patch16-224-in21k
Опубликована: 21 дек 2024

Ссылки

Hugging Face

face-emotion

gerhardien

Классификация изображенийИзображение → label3 профессии

Дообученный Vision Transformer классифицирует изображения лиц по четырём категориям выражений на данных FER2013.

15скачиваний за 30 дней7лайковвеса обновлены21 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

Модель gerhardien/face-emotion — дообученный Vision Transformer google/vit-base-patch16-224-in21k для классификации изображений лицевых выражений. Она обучена на наборе FER2013 и предназначена для отнесения изображения к одной из четырёх категорий выражений.

Модель содержит 113,2 млн параметров и распространяется в формате safetensors по лицензии MIT. В карточке приведены точность 83,27% на обучающей выборке и 76,52% на валидационной. Эти результаты относятся к указанному набору данных и не гарантируют такую же точность на изображениях из других источников.

Модель подходит для исследовательских и прикладных сценариев анализа выражений лица по изображениям. Карточка предупреждает о рисках, смещениях и ограничениях, но дополнительных рекомендаций не приводит.

Сценарии применения

Классификация выражения лица на фотографии
Анализ выражений лиц в наборе изображений
Прототипирование классификатора эмоций по лицам
Исследование точности распознавания выражений на FER2013

Ограничения

Карточка предупреждает о рисках, смещениях и ограничениях модели, но не уточняет их характер. Указанные метрики получены на FER2013 и могут не отражать качество на других данных.

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

Model Description

This model is a fine-tuned version of google/vit-base-patch16-224-in21k. It has been fine-tuned on the FER2013 dataset, which contains facial expression images. The model classifies images into four categories of facial expressions:

Recommendations

Users (both direct and downstream) should be made aware of the risks, biases and limitations of the model. More information needed for further recommendations.

How to Get Started with the Model

Use the code below to get started with the model.

[More Information Needed]

Evaluation

Results

Results Summary Training Accuracy: 83.27% Validation Accuracy: 76.52%

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: 88e7271