Характеристики

Параметры: 113 млн
Лицензия: Apache 2.0
Архитектура: vit · dense
Опубликована: 22 янв 2023

Ссылки

Hugging Face

google-vit-base-patch16-224-cartoon-emotion-detection

jayanta

Классификация изображенийИзображение → label3 профессии

Дообученный Vision Transformer для классификации эмоций мультяшных персонажей на изображениях.

24скачиваний за 30 дней5лайковвеса обновлены2 фев 2023

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 jayanta/google-vit-base-patch16-224-cartoon-emotion-detection — дообученная Jayanta модель классификации изображений на базе Vision Transformer google/vit-base-patch16-224. Она предназначена для распознавания эмоций на изображениях мультяшных персонажей. Модель содержит 113,2 млн параметров и распространяется в формате PyTorch.

На оценочном наборе данных указаны accuracy 0,8807 и F1 0,8783. В качестве данных для обучения и оценки назван набор imagefolder; сведения о классах эмоций и составе выборки не приведены. Лицензия — Apache-2.0.

Сценарии применения

распознавание эмоций мультяшных персонажей на изображениях
автоматическая разметка эмоций в кадрах мультфильмов
классификация выражений лиц персонажей комиксов
анализ эмоций в коллекции иллюстраций

Ограничения

В карточке не перечислены классы эмоций и характеристики обучающей выборки. Метрики получены на оценочном наборе, поэтому качество на других типах изображений может отличаться.

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.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей 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

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

google-vit-base-patch16-224-cartoon-emotion-detection

This model is a fine-tuned version of google/vit-base-patch16-224 on the imagefolder dataset. It achieves the following results on the evaluation set:

Loss: 0.3706
Accuracy: 0.8807
Precision: 0.8769
Recall: 0.8807
F1: 0.8783

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

learning_rate: 0.00012
train_batch_size: 64
eval_batch_size: 64
seed: 42
gradient_accumulation_steps: 4
total_train_batch_size: 256
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
lr_scheduler_warmup_ratio: 0.1
num_epochs: 10

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy	Precision	Recall	F1
No log	0.97	8	0.9902	0.5596	0.5506	0.5596	0.5360
1.242	1.97	16	0.5157	0.8165	0.8195	0.8165	0.8132
0.4438	2.97	24	0.3871	0.8440	0.8516	0.8440	0.8446
0.1768	3.97	32	0.3531	0.8624	0.8653	0.8624	0.8585
0.0661	4.97	40	0.3780	0.8716	0.8693	0.8716	0.8674
0.0661	5.97	48	0.3747	0.8624	0.8649	0.8624	0.8632
0.0375	6.97	56	0.3760	0.8991	0.8961	0.8991	0.8971
0.0362	7.97	64	0.4092	0.8716	0.8684	0.8716	0.8681
0.0322	8.97	72	0.3499	0.8899	0.8880	0.8899	0.8888
0.029	9.97	80	0.3706	0.8807	0.8769	0.8807	0.8783

Framework versions

Transformers 4.25.1
Pytorch 1.13.1+cu117
Datasets 2.8.0
Tokenizers 0.11.0

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: 872b113