ViT基础版暴力行为检测模型

模型描述

这是一个基于Vision Transformer(ViT)架构优化的暴力行为检测模型。该模型以google/vit-base-patch16-224-in21k为基础，使用现实生活暴力场景数据集进行训练，能够将图像分类为暴力或非暴力场景。

使用场景

本模型适用于需要检测图像中暴力内容的各类应用场景，包括：

• 内容审核
• 视频监控
• 家长控制软件

模型准确率

ViT基础版测试准确率：98.80% 损失值：0.20038144290447235

使用方法

以下是使用该模型进行图像分类的示例代码：

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

# 加载模型和特征提取器
model = ViTForImageClassification.from_pretrained('jaranohaal/vit-base-violence-detection')
feature_extractor = ViTFeatureExtractor.from_pretrained('jaranohaal/vit-base-violence-detection')

# 加载图像
image = Image.open('image.jpg')

# 图像预处理
inputs = feature_extractor(images=image, return_tensors="pt")

# 执行推理
with torch.no_grad():
    outputs = model(**inputs)
    logits = outputs.logits
    predicted_class_idx = logits.argmax(-1).item()

# 输出预测结果
print("预测类别:", model.config.id2label[predicted_class_idx])