wd-eva02-large-tagger-v3
开源图像标签分类模型 支持评级角色和通用标签
WD EVA02-Large Tagger v3是一个开源的图像标签分类模型，支持评级、角色和通用标签分类。该模型基于Danbooru数据集训练，涵盖720万张图像。采用JAX-CV和timm库实现，支持ONNX推理，兼容性强。模型在验证集上达到0.4772的F1分数，支持批量推理，并提供了timm、ONNX和JAX等多种接口示例。最新版本更新了训练数据和标签至2024年2月，适用于图像分类、内容审核等多种应用场景，为开发者提供了实用的图像分析工具。
WD-EVA02-Large-Tagger-V3项目介绍
项目概述
WD-EVA02-Large-Tagger-V3是一个强大的图像标签分类模型，专门用于支持评分、角色和通用标签的识别。该项目由SmilingWolf开发，使用JAX-CV框架进行训练，并得到了Google TRC项目提供的TPU支持。这个模型是图像标签分类领域的一个重要进展，为用户提供了高效准确的图像标注工具。
数据集特点
该模型的训练数据集具有以下特点：
- 最后的图像ID为7220105。
- 训练集使用ID模为0000-0899的Danbooru图像。
- 验证集使用ID模为0950-0999的图像。
- 过滤掉了通用标签少于10个的图像。
- 过滤掉了图像数量少于600的标签。
这种精心筛选的数据集确保了模型能够学习到广泛且有代表性的图像特征。
模型性能
在验证集上，模型achieved了0.4772的F1分数，阈值为0.5296。这个性能指标表明模型在精确度和召回率之间取得了良好的平衡。
最新更新
v1.0版本的模型和v3版本的数据集带来了多项重要更新：
- 扩大了训练图像的数量。
- 增加了更多最新的标签（更新至2024-02-28）。
- 实现了与timm库的兼容性，使得模型加载和使用变得更加简便。
- ONNX模型保持了与v2系列模型代码的兼容性。
- ONNX模型的批处理维度不再固定为1，支持更灵活的批量推理。
- 采用了宏观F1分数来衡量模型性能，以更好地评估整体训练进展。
使用说明
要运行ONNX模型，用户需要安装onnxruntime 1.17.0或更高版本。项目提供了多种推理代码示例，包括timm、ONNX和JAX版本，方便用户根据自己的需求选择合适的实现方式。
未来展望
开发者表示，该项目仍在持续更新和改进中。建议下游用户使用标记的发布版本，而不 是直接依赖仓库的最新代码，以确保稳定性和兼容性。
总的来说，WD-EVA02-Large-Tagger-V3项目为图像标签分类任务提供了一个强大而灵活的解决方案。无论是研究人员还是实践者，都可以借助这个模型来提高图像标注的效率和准确性。
编辑推荐精选
讯飞智文
一键生成PPT和Word，让学习生活更轻松
讯飞智文是一个利用 AI 技术的项目，能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定，还是学生群体的职业生涯规划、实习避坑指南，亦或是活动策划、旅游攻略等内容，它都能提供支持，帮助用户精准表达，轻松呈现各种信息。
讯飞星火
深度推理能力全新升级，全面对标OpenAI o1
科大讯飞的星火大模型，支持语言理解、知识问答和文本创作等多功能，适用于多种文件和业务场景，提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台，涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能，能为不同需求的用户提供便捷高效的帮助，助力用户轻松获取信息、解决问题，满足多样化使用场景。
Spark-TTS
一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型
Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目，由多个知名机构联合参与。该项目提供了高效的 LLM（大语言模型）驱动的语音合成方案，支持语音克隆和语音创建功能，可通过命令行界面（CLI）和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数，生成高质量的语音。该项目适用于多种场景，如有声读物制作、智能语音助手开发等。
Trae
字节跳动发布的AI编程神器IDE
Trae是一种自适应的集成开发环境（IDE），通过自动化和多元协作改变开发流程。利用Trae，团队能够更快速、精确地编写和部署代码，从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能，是提升开发效率的理想工具。
咔片PPT
AI助力，做PPT更简单！
咔片是一款轻量化在线演示设计工具，借助 AI 技术，实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT，提供海量模板、智能美化、素材替换等功能，适用于销售、教师、学生等各类人群，能高效制作出高品质 PPT，满足不同场景演示需求。
讯飞绘文
选题、配图、成文，一站式创作，让内容运营更高效
讯飞绘文，一个AI集成平台，支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容，加速品牌传播，提升内容营销效果。
材料星
专业的AI公文写作平台，公文写作神器
AI 材料星，专业的 AI 公文写作辅助平台，为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能，支持 30 + 文稿类型生成，助力快速完成领导讲话、工作总结、述职报告等材料，提升办公效率，是体制打工人的得力写作神器。
openai-agents-python
OpenAI Agents SDK，助力开发者便捷使用 OpenAI 相关功能。
openai-agents-python 是 OpenAI 推出的一款强大 Python SDK，它为开发者提供了与 OpenAI 模型交互的高效工具，支持工具调用、结果处理、追踪等功能，涵盖多种应用场景，如研究助手、财务研究等，能显著提升开发效率，让开发者更轻松地利用 OpenAI 的技术优势。
Hunyuan3D-2
高分辨率纹理 3D 资产生成
Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具，支持从文本描述、单张图片或多视角图片生成 3D 模型，具备快速形状生成能力，可生成带纹理的高质量 3D 模型，适用于多个领域，为 3D 创作提供了高效解决方案。
3FS
一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。
3FS 是一个功能强大的分布式文件系统项目，涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作，如创建文件和目录、设置布局等，同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景，能够提高系统的性能和可靠性，是分布式存储领域的优质解决方案。
推荐工具精选
AI云服务特惠
懂AI专属折扣关注微信公众号
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号