/ Модель

Характеристики

Лицензия
Apache 2.0
Архитектура
mivolo · dense
Библиотека
mivolo
Опубликована
5 мар 2024

mivolo_v2

Классификация изображенийИзображение → label3 профессии

Многовходовый трансформер MiVOLO V2 оценивает возраст и пол человека по кропам лица и тела на изображении.

1,1 млнскачиваний за 30 дней40лайковвеса обновлены11 мар 2026

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

MiVOLO V2 — модель семейства MiVOLO для оценки возраста и пола по изображениям людей, разработанная авторами MiVOLO. Она использует многовходовый трансформер, который анализирует кропы лица и тела; для инференса требуются кропы размером 384 × 384 пикселя. Модель предназначена для задач визуальной оценки демографических характеристик по изображению.

Для работы используются библиотека mivolo и точность FP32 или FP16. В карточке указано, что обучение проводилось на проприетарных и открытых наборах данных. Модель опубликована под лицензией Apache-2.0. README называет её передовой, но таблица с метриками опущена, поэтому точность по карточке оценить нельзя.

Сценарии применения

  • оценка возраста человека по фотографии
  • определение пола человека на изображении
  • анализ кропов лица и тела в изображениях

Ограничения

Для инференса нужны кропы лица и тела размером 384 × 384 пикселя; README не приводит метрики модели, поскольку таблица результатов опущена.

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

Model Card for MiVOLO V2 model

We introduce state-of-the-art multi-input transformer for age and gender estimation.

This model was trained on proprietary and open-source datasets.

MiVOLO V1 (224x224) architecture:

img

Inference Requirements and Model Introduction

  • Resolution: Width and height of face/body crops must be 384px
  • Precision: FP32 / FP16
  • mivolo library
pip install git+https://github.com/WildChlamydia/MiVOLO.git
  • transformers==4.51.0
  • accelerate==1.8.1

Quick start

from transformers import AutoModelForImageClassification, AutoConfig, AutoImageProcessor
import torch
import cv2
import numpy as np
import requests

# load model and image processor
config = AutoConfig.from_pretrained(
    "iitolstykh/mivolo_v2", trust_remote_code=True
)
mivolo_model = AutoModelForImageClassification.from_pretrained(
    "iitolstykh/mivolo_v2", trust_remote_code=True, torch_dtype=torch.float16
)
image_processor = AutoImageProcessor.from_pretrained(
    "iitolstykh/mivolo_v2", trust_remote_code=True
)

# download test image
resp = requests.get('https://variety.com/wp-content/uploads/2023/04/MCDNOHA_SP001.jpg')
arr = np.asarray(bytearray(resp.content), dtype=np.uint8)
image = cv2.imdecode(arr, -1)

# face crops
x1, y1, x2, y2 = [625,  46, 686, 121]
faces_crops = [image[y1:y2, x1:x2]]  # may be [None] if bodies_crops is not None

# body crops
x1, y1, x2, y2 = [534,  16, 790, 559]
bodies_crops = [image[y1:y2, x1:x2]]  # may be [None] if faces_crops is not None

# prepare BGR inputs
faces_input = image_processor(images=faces_crops)["pixel_values"]
body_input = image_processor(images=bodies_crops)["pixel_values"]

faces_input = faces_input.to(dtype=mivolo_model.dtype, device=mivolo_model.device)
body_input = body_input.to(dtype=mivolo_model.dtype, device=mivolo_model.device)

# inference
output = mivolo_model(faces_input=faces_input, body_input=body_input)

# print results
age = output.age_output[0].item()
print(f"age: {round(age, 2)}")

id2label = config.gender_id2label
gender = id2label[output.gender_class_idx[0].item()]
gender_prob = output.gender_probs[0].item()
print(f"gender: {gender} [{int(gender_prob * 100)}%]")

Model Metrics

Citation

🌟 If you find our work helpful, please consider citing our papers and leaving valuable stars

@article{mivolo2023,
   Author = {Maksim Kuprashevich and Irina Tolstykh},
   Title = {MiVOLO: Multi-input Transformer for Age and Gender Estimation},
   Year = {2023},
   Eprint = {arXiv:2307.04616},
}
@article{mivolo2024,
   Author = {Maksim Kuprashevich and Grigorii Alekseenko and Irina Tolstykh},
   Title = {Beyond Specialization: Assessing the Capabilities of MLLMs in Age and Gender Estimation},
   Year = {2024},
   Eprint = {arXiv:2403.02302},
}

Как запустить

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

GPU в ailist

Универсальный рантайм · mivolo · image-classification

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
MiVOLOForImageClassification
Ревизия весов
5339352

0 моделей