Google Vit Base Patch16 224 Cartoon Face Recognition

由 jayanta 开发

基于Google Vision Transformer (ViT)架构微调的卡通人脸识别模型，在图像分类任务上表现优异

人脸相关

Transformers

开源协议:Apache-2.0 #卡通人脸识别 #高精度分类 #ViT微调

下载量 62

发布时间 : 1/18/2023

模型介绍

内容详情

替代品

模型简介

该模型是基于google/vit-base-patch16-224在图像文件夹数据集上微调的版本，专门用于卡通人脸识别任务。在评估集上取得了90%以上的准确率。

模型特点

高精度识别

在卡通人脸识别任务上达到90.05%的准确率和90.66%的精确率

基于ViT架构

采用Vision Transformer架构，具有强大的图像特征提取能力

高效微调

在基础模型上进行微调，训练效率高，资源消耗相对较低

模型能力

卡通人脸识别

图像分类

特征提取

使用案例

娱乐应用

卡通角色识别

识别动画或漫画中的角色

准确率90.05%

表情分类

对卡通人物的表情进行分类识别

安全验证

卡通头像验证

验证用户上传的卡通头像是否符合要求

许可证：apache-2.0
标签：

训练生成
数据集：
图像文件夹
评估指标：
准确率
精确率
召回率
F1值

模型索引：

名称：google-vit-base-patch16-224卡通人脸识别
结果：
- 任务：
  名称：图像分类
  类型：image-classification
  数据集：
  名称：imagefolder
  类型：imagefolder
  配置：默认
  拆分：训练集
  参数：默认
  评估指标：
  - 名称：准确率
    类型：accuracy
    值：0.9004629629629629
  - 名称：精确率
    类型：precision
    值：0.9066341895316832
  - 名称：召回率
    类型：recall
    值：0.9004629629629629
  - 名称：F1值
    类型：f1
    值：0.8984296743444529

google-vit-base-patch16-224卡通人脸识别模型

该模型是基于google/vit-base-patch16-224在图像文件夹数据集上微调的版本。在评估集上取得了以下结果：

损失：0.3707
准确率：0.9005
精确率：0.9066
召回率：0.9005
F1值：0.8984

模型描述

（待补充详细信息）

用途与限制

（待补充详细信息）

训练与评估数据

（待补充详细信息）

训练流程

训练超参数

训练过程中使用了以下超参数：

学习率：0.00012
训练批次大小：64
评估批次大小：64
随机种子：42
梯度累积步数：4
总训练批次大小：256
优化器：Adam（β1=0.9，β2=0.999，ε=1e-08）
学习率调度器类型：线性
学习率预热比例：0.1
训练轮次：20

训练结果

训练损失	轮次	步数	验证损失	准确率	精确率	召回率	F1值
无记录	0.89	6	0.5459	0.8611	0.8683	0.8611	0.8577
0.0812	1.89	12	0.4703	0.8796	0.8833	0.8796	0.8764
0.0812	2.89	18	0.4430	0.8935	0.8969	0.8935	0.8906
0.0307	3.89	24	0.4045	0.8819	0.8849	0.8819	0.8767
0.0091	4.89	30	0.3672	0.9005	0.9025	0.9005	0.8980
0.0091	5.89	36	0.3841	0.9028	0.9125	0.9028	0.9011
0.0043	6.89	42	0.3926	0.9005	0.9073	0.9005	0.8972
0.0043	7.89	48	0.3786	0.8958	0.9005	0.8958	0.8931
0.0031	8.89	54	0.3791	0.9028	0.9091	0.9028	0.9007
0.002	9.89	60	0.3677	0.9028	0.9106	0.9028	0.9001
0.002	10.89	66	0.3740	0.9028	0.9099	0.9028	0.9007
0.0027	11.89	72	0.3869	0.8981	0.9043	0.8981	0.8956
0.0027	12.89	78	0.3801	0.8981	0.9021	0.8981	0.8954
0.004	13.89	84	0.3674	0.9051	0.9113	0.9051	0.9028
0.0024	14.89	90	0.3620	0.9051	0.9096	0.9051	0.9027
0.0024	15.89	96	0.3670	0.9028	0.9089	0.9028	0.9006
0.0021	16.89	102	0.3827	0.9005	0.9065	0.9005	0.8980
0.0021	17.89	108	0.3748	0.8981	0.9049	0.8981	0.8958
0.0022	18.89	114	0.3825	0.9028	0.9101	0.9028	0.9006
0.0019	19.89	120	0.3707	0.9005	0.9066	0.9005	0.8984