wd-vit-tagger-v3

wd-vit-tagger-v3

图像评分与标签处理的高效解决方案

WD ViT Tagger v3是一个针对 Danbooru 图像数据集的开源项目,支持图像评分、角色和标签的处理。v2.0版本通过类不平衡损失缩放技术改进了模型精度;v1.1 修订 JAX 模型配置,增加图像尺寸定义;v1.0 增加训练图像和更新标签,兼容 timm 和 ONNX,对批处理大小没有固定要求,并使用 Macro-F1 衡量模型性能。

Github开源项目Danbooru训练WD ViT Tagger标签Huggingface模型

项目介绍:WD ViT Tagger v3

项目概述

WD ViT Tagger v3是一个用于图像标注的项目,支持对图像的评级、角色和一般标签的识别。该项目主要利用一种称为Transformer的深度学习模型进行训练,并旨在为用户提供准确的图像标注结果。训练过程中使用了专门提供的TPU(Tensor Processing Unit),这大大提高了模型的训练效率。

数据集

WD ViT Tagger v3的训练数据主要来自于Danbooru网站的图像。具体来说,用于训练的数据集是ID为0000到0899模的图像,而用于验证的数据集则是ID为0950到0999模的图像。为了保证数据的质量,项目过滤掉了那些标签少于10个的图像,同时也排除了那些出现在少于600幅图像中的标签。

验证结果

在验证阶段,模型版本v2的指标是:阈值为0.2614时的F1值为0.4402;而版本v1的指标是:阈值为0.2547时的F1值为0.4278。F1值是衡量模型准确性的重要指标,越高表明模型的性能越好。

新特性

  • 模型v2.0/数据集v3:该版本在原有基础上多训练了几轮,并使用了基于标签频率的损失缩放方法来解决类别不平衡的问题。

  • 模型v1.1/数据集v3:此版本更新了JAX模型的配置文件,增加了图像尺寸的设置,但未对已训练的权重进行修改。

  • 模型v1.0/数据集v3:该版本加入了更多的训练图像,并更新了标签(截至2024年2月28日)。模型现在与timm库兼容,用户可以通过一行代码轻松加载和使用。此外,ONNX模型的批处理维度不再固定为1,使得批量推理更加灵活。

运行依赖

使用ONNX模型时,需要确保onnxruntime版本不低于1.17.0。

推理代码示例

最后说明

这个项目仍在不断更新和改进中。下游用户在使用时,建议依赖于项目的正式发布版本,而不是仅依靠代码仓库中的最新版本,以确保稳定性和兼容性。

编辑推荐精选

Keevx

Keevx

AI数字人视频创作平台

Keevx 一款开箱即用的AI数字人视频创作平台,广泛适用于电商广告、企业培训与社媒宣传,让全球企业与个人创作者无需拍摄剪辑,就能快速生成多语言、高质量的专业视频。

即梦AI

即梦AI

一站式AI创作平台

提供 AI 驱动的图片、视频生成及数字人等功能,助力创意创作

扣子-AI办公

扣子-AI办公

AI办公助手,复杂任务高效处理

AI办公助手,复杂任务高效处理。办公效率低?扣子空间AI助手支持播客生成、PPT制作、网页开发及报告写作,覆盖科研、商业、舆情等领域的专家Agent 7x24小时响应,生活工作无缝切换,提升50%效率!

TRAE编程

TRAE编程

AI辅助编程,代码自动修复

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。

AI工具TraeAI IDE协作生产力转型热门
蛙蛙��写作

蛙蛙写作

AI小说写作助手,一站式润色、改写、扩写

蛙蛙写作—国内先进的AI写作平台,涵盖小说、学术、社交媒体等多场景。提供续写、改写、润色等功能,助力创作者高效优化写作流程。界面简洁,功能全面,适合各类写作者提升内容品质和工作效率。

AI辅助写作AI工具蛙蛙写作AI写作工具学术助手办公助手营销助手AI助手
问小白

问小白

全能AI智能助手,随时解答生活与工作的多样问题

问小白,由元石科技研发的AI智能助手,快速准确地解答各种生活和工作问题,包括但不限于搜索、规划和社交互动,帮助用户在日常生活中提高效率,轻松管理个人事务。

热门AI助手AI对话AI工具聊天机器人
Transly

Transly

实时语音翻译/同声传译工具

Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手,它拥有超精准的音频识别翻译能力,几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球,无论你是留学生、商务人士、韩剧美剧爱好者,还是出国游玩、多国会议、跨国追星等等,都可以满足你所有需要同传的场景需求,线上线下通用,扫除语言障碍,让全世界的语言交流不再有国界。

讯飞智文

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。

AI办公办公工具AI工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图热门
讯飞星火

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。

热门AI开发模型训练AI工具讯飞星火大模型智能问答内容创作多语种支持智慧生活
Spark-TTS

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。

下拉加载更多