/ Модель

Характеристики

Размер весов
24 МБ
Лицензия
Apache 2.0
Библиотека
ultralytics
Опубликована
29 дек 2025

manga109-segmentation-bubble

Сегментация изображенийИзображение → mask5 профессий

YOLO11n, дообученная для обнаружения и сегментации речевых пузырей на страницах манги и комиксов.

2 706скачиваний за 30 дней25лайковвеса обновлены29 дек 2025

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

MangaLens — модель компьютерного зрения, созданная автором репозитория huyvux3005 и дообученная на базе YOLO11n для поиска и сегментации речевых пузырей в изображениях манги и комиксов. Она использует архитектуру YOLO11n Nano и библиотеку Ultralytics, принимает RGB-изображения и выдаёт рамки объектов и маски экземпляров для одного класса — речевого пузыря.

Модель предназначена для подготовки страниц манги к извлечению и переводу текста, анализа расположения диалогов, разметки наборов данных и создания функций доступности, например озвучивания текста. В README приведены результаты оценки на 44-й эпохе: mAP@50 99,10% для рамок и 99,13% для масок; заявленная скорость составляет около 15–25 мс на изображение на T4, 8–12 мс на V100 и 200–400 мс на CPU. Эти показатели приведены автором и не описывают независимую проверку.

Обучение проводилось на MS92/MangaSegmentation и Manga109. Основная специализация — речевые пузыри в манге, поэтому качество на других типах изображений и графических элементов может быть ниже. Репозиторий указывает лицензию Apache-2.0.

Сценарии применения

  • поиск речевых пузырей на страницах манги
  • получение масок пузырей для последующего OCR
  • подготовка страниц манги к переводу текста
  • создание аннотаций для датасетов комиксов
  • анализ размещения диалогов в манге
  • выделение областей для озвучивания текста манги

Ограничения

Модель обучена распознавать только речевые пузыри и ориентирована на мангу; качество на иных изображениях не подтверждено. Метрики и скорость указаны автором README и не являются независимой оценкой.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

🎯 MangaLens - Manga Speech Bubble Segmentation

Model Task mAP50 License

A high-performance YOLO11n instance segmentation model fine-tuned for detecting and segmenting speech bubbles in manga/comic images.

�️ Demo Results

Detection on Various Manga Styles
Demo 1
Speech bubble detection on action manga with multiple bubbles
Demo 2
Detection on slice-of-life manga style

�📊 Model Performance

Final Evaluation Results (Epoch 44)

MetricBox DetectionMask Segmentation
Precision97.55%97.66%
Recall97.03%97.15%
mAP@5099.10%99.13%
mAP@50-9596.67%94.69%

Training Curves

Training Curves Left: Segmentation Loss (Train vs Val) | Right: Mask mAP Metrics over epochs

Loss TypeFinal Value
Box Loss0.2499
Segmentation Loss0.2762
Classification Loss0.2109
DFL Loss0.8064

🎓 Training Configuration

ParameterValue
Base Modelyolo11n-seg.pt
Image Size1600×1600
Batch Size8
Epochs100 (Early stopped at 44)
OptimizerAuto (AdamW)
Learning Rate0.01
Weight Decay0.0005
Patience10
AMPEnabled

Data Augmentation

  • HSV Augmentation: H=0.015, S=0.7, V=0.4
  • Mosaic: 1.0
  • Flip Left-Right: 0.5
  • Scale: 0.5
  • Translate: 0.1

📚 Training Data

This model was trained on a combined dataset of:

  1. MS92/MangaSegmentation - Manga panel and bubble segmentation dataset
  2. Manga109 - Large-scale manga dataset with speech bubble annotations

🚀 Quick Start

Installation

pip install ultralytics>=8.0.0

Inference

from ultralytics import YOLO

# Load the model
model = YOLO("best.pt")

# Run inference on an image
results = model("manga_page.jpg")

# Process results
for result in results:
    # Get bounding boxes
    boxes = result.boxes
    
    # Get segmentation masks
    masks = result.masks
    
    # Visualize results
    result.show()
    
    # Save results
    result.save("output.jpg")

Batch Processing

from ultralytics import YOLO
from pathlib import Path

model = YOLO("best.pt")

# Process multiple images
image_folder = Path("manga_pages/")
results = model(list(image_folder.glob("*.jpg")), stream=True)

for i, result in enumerate(results):
    result.save(f"output_{i}.jpg")

Extract Bubble Regions

import cv2
import numpy as np
from ultralytics import YOLO

model = YOLO("best.pt")
image = cv2.imread("manga_page.jpg")
results = model(image)[0]

# Extract each bubble as a separate image
for i, mask in enumerate(results.masks.data):
    mask_np = mask.cpu().numpy()
    mask_resized = cv2.resize(mask_np, (image.shape[1], image.shape[0]))
    
    # Apply mask
    bubble = image.copy()
    bubble[mask_resized < 0.5] = 0
    
    # Get bounding box and crop
    coords = np.where(mask_resized >= 0.5)
    if len(coords[0]) > 0:
        y_min, y_max = coords[0].min(), coords[0].max()
        x_min, x_max = coords[1].min(), coords[1].max()
        cropped = bubble[y_min:y_max, x_min:x_max]
        cv2.imwrite(f"bubble_{i}.png", cropped)

📁 Model Files

weights/
├── best.pt      # Best checkpoint (recommended)
└── last.pt      # Last training checkpoint

🎯 Use Cases

  • Manga Translation: Automatically detect speech bubbles for text extraction and translation
  • Manga Analysis: Study panel layouts and dialogue distribution
  • Content Moderation: Identify and process text regions in comics
  • Accessibility: Enable text-to-speech for manga readers
  • Dataset Creation: Generate annotations for manga datasets

⚙️ Technical Details

Model Architecture

  • Backbone: YOLO11n (Nano variant)
  • Task: Instance Segmentation
  • Classes: 1 (Speech Bubble)
  • Input: RGB images (any size, recommended 1600×1600)
  • Output: Bounding boxes + Instance masks

Inference Speed

DeviceSpeed (ms/image)
GPU (T4)~15-25 ms
GPU (V100)~8-12 ms
CPU~200-400 ms

📝 Citation

If you use this model in your research, please cite:

@misc{mangalens2024,
  title={MangaLens: YOLO11n Speech Bubble Segmentation Model},
  author={MangaLens Team},
  year={2024},
  publisher={Hugging Face},
  url={https://huggingface.co/your-username/mangalens-bubble-segmentation}
}

📜 License

This model is released under the Apache 2.0 License.

🙏 Acknowledgements


Как запустить

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

GPU в ailist

Универсальный рантайм · ultralytics

Нельзя запустить

Модели Ultralytics YOLO требуют отдельного рантайма.

Ревизия весов
f9a4108

0 моделей