许可证：gpl-3.0
数据集：

• p1atdev/danbooru-2024
  语言：
• en
  任务标签：图像分类

Camie标签生成器

一款先进的深度学习模型，专为动漫/漫画插图自动生成多类别相关标签而设计。在20,116张测试样本上，针对70,527个可能标签，实现了58.1%的微平均F1分数（使用平衡阈值预设时宏平均F1分数为31.5%）。仅用单张RTX 3060显卡完成训练。

🚀 更新动态（2025年4-5月）

抱歉更新延迟，大学事务繁忙。最近一次额外训练（1个周期）时，我犯了个错误——仅加载了模型权重而忽略了优化器状态（优化器状态保存着每个参数的自适应学习率）。当时因训练速度大幅下降而忽略了这点。

好消息是即将入手RTX 3090显卡，届时可在GPU显存内完成全模型训练（无需卸载），并利用3090三倍的内存带宽实现训练速度飞跃！

另在开展LLM实验，但距发布尚远。

🔑 核心亮点

• 高效训练：仅用单张RTX 3060（12GB显存）完成
• 快速收敛：处理7,024,392样本（3.52周期）共1,756,098批次
• 全面覆盖：7大类70,527标签（通用/角色/版权/画师/元信息/分级/年份）
• 创新架构：双阶段预测模型，EfficientNetV2主干网络+嵌入层+标签上下文交叉注意力机制
• 模型规模：初始模型2.14亿参数，优化后模型4.24亿参数
• 友好界面：支持阈值自定义的易用应用

本项目证明：通过优化技术，消费级硬件亦可训练高质量动漫图像标注模型

✨ 功能特性

• 多类别标注系统：处理通用标签/角色/版权（系列）/画师/元信息/内容分级
• 高性能：70,527标签总体微平均F1达53.4%（宏平均31.5%）
• Windows兼容：初始模式无需Flash Attention即可运行
• Streamlit网页界面：支持上传分析图像的友好UI及标签收集游戏
• 可调阈值方案：微平均/宏平均/平衡/分类别/高精度/高召回六种预设
• 精细控制：分类别调整精度-召回权衡
• Safetensors与ONNX：原始pickle文件存放于/models目录
• EfficientNetV2-L主干：嵌入层优化大幅提升主干性能

📊 性能说明

宏平均分数（特别是通用标签）看似偏低（详见性能表格），但实际测试发现：

• 模型预测通用标签整体尚可，角色与版权标签识别优异
• 需预测标签总量过大也是影响因素

好消息是模型明显处于欠训练状态，各周期持续提升：

训练进度（微vs宏F1）：  
周期2：微F1 0.595 | 宏F1 0.226  
周期3：微F1 0.606 | 宏F1 0.268（+4.2%）  
周期3.5：微F1 0.611 | 宏F1 0.290（仅0.5周期+2.2%）  

3.5周期确实训练时长不足。

指标解析：

• 微F1：全局统计每个标签预测，常见标签占主导
• 宏F1：独立计算每个标签后平均，稀有标签权重相同

宏F1显著提升（每周期+4%）表明延长训练将特别有益于稀有标签识别，而常见标签的微F1提升已趋缓。

未来训练计划

计划继续训练以提升性能（尤其稀有标签），当前硬件每周期需1.5-2周夜间训练。

若您愿意支持完整数据集训练或未来项目，欢迎赞助：(https://ko-fi.com/camais)
后续计划转向LLM研究，将根据社区关注度更新本模型。

（后续详细性能表格、使用指南、训练细节等内容保持专业术语与格式统一，此处从略）

🙏 致谢

• Claude Sonnet 3.5/3.7协助头脑风暴与编码
• EfficientNetV2提供主干网络
• Danbooru提供优质动漫标注数据集
• p1atdev整理Danbooru 2024数据集
• Microsoft DeepSpeed使消费级硬件训练成为可能
• PyTorch及开源ML社区