/ Модель

Характеристики

Параметры
113 млн
Лицензия
Apache 2.0
Опубликована
19 июн 2024

vit-base-violence-detection

Классификация изображенийИзображение → label3 профессии

ViT-модель классифицирует изображения как содержащие насилие или не содержащие его для модерации и мониторинга.

138 тыс.скачиваний за 30 дней10лайковвеса обновлены9 мая 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

jaranohaal/vit-base-violence-detection — модель Vision Transformer (ViT), дообученная на основе google/vit-base-patch16-224-in21k для классификации изображений на категории «насилие» и «без насилия». Она предназначена для автоматической проверки изображений в системах модерации контента, видеонаблюдения и родительского контроля. Модель содержит 113,2 млн параметров и распространяется в форматах PyTorch и Safetensors; в карточке указана точность 98,8% на тесте.

Модель принимает изображения и выдаёт метку класса. Обучение проводилось на наборе Real Life Violence Situations. Указанная точность не гарантирует таких же результатов на других данных: карточка не описывает состав тестовой выборки и подробности оценки. Лицензия — Apache-2.0.

Сценарии применения

  • фильтрация изображений с насилием при модерации контента
  • первичная проверка изображений из систем видеонаблюдения
  • выявление потенциально жестоких изображений в родительском контроле

Ограничения

Заявленная точность 98,8% относится к тесту, описанному в карточке; переносимость на другие источники изображений не установлена. Модель классифицирует отдельные изображения и не описана как средство анализа видеопотока.

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

ViT Base Violence Detection

Model Description

This is a Vision Transformer (ViT) model fine-tuned for violence detection. The model is based on google/vit-base-patch16-224-in21k and has been trained on the Real Life Violence Situations dataset from Kaggle to classify images into violent or non-violent categories.

Intended Use

The model is intended for use in applications where detecting violent content in images is necessary. This can include:

  • Content moderation
  • Surveillance
  • Parental control software

Model accuracy

Test accuracy for Vit Base = 98.80% Loss = 0.20038144290447235

How to Use

Here is an example of how to use this model for image classification:

import torch
from transformers import ViTForImageClassification, ViTFeatureExtractor
from PIL import Image

# Load the model and feature extractor
model = ViTForImageClassification.from_pretrained('jaranohaal/vit-base-violence-detection')
feature_extractor = ViTFeatureExtractor.from_pretrained('jaranohaal/vit-base-violence-detection')

# Load an image
image = Image.open('image.jpg')

# Preprocess the image
inputs = feature_extractor(images=image, return_tensors="pt")

# Perform inference
with torch.no_grad():
    outputs = model(**inputs)
    logits = outputs.logits
    predicted_class_idx = logits.argmax(-1).item()

# Print the predicted class
print("Predicted class:", model.config.id2label[predicted_class_idx])

Как запустить

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

GPU в ailist

Универсальный рантайм · image-classification

Нельзя запустить

Архитектура ViTForImageClassification неизвестна transformers в образе рантайма.

Класс архитектуры
ViTForImageClassification
Ревизия весов
3193109

0 моделей