Vit Base Violence Detection

🚀 ViT Base 暴力検出

このモデルは、画像内の暴力コンテンツを検出するために最適化された Vision Transformer (ViT) モデルです。暴力画像と非暴力画像を高精度に分類することができ、コンテンツモデレーションや監視システムなどのアプリケーションに役立ちます。

🚀 クイックスタート

このモデルは、暴力検出を必要とするアプリケーションでの使用を目的としています。以下のようなシナリオで活用できます。

• コンテンツモデレーション
• 監視システム
• パレンタルコントロールソフトウェア

✨ 主な機能

• 高精度な分類: テスト精度は 98.80% で、暴力画像と非暴力画像を高精度に分類することができます。
• 事前学習モデルの利用: google/vit-base-patch16-224-in21k をベースにしており、学習効率が高いです。
• Kaggleデータセットでの学習: Real Life Violence Situations データセットで学習されており、実生活の暴力シーンに対応できます。

📦 インストール

このモデルを使用するには、transformers ライブラリが必要です。以下のコマンドでインストールできます。

pip install transformers torch pillow

💻 使用例

基本的な使用法

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

# モデルと特徴抽出器をロード
model = ViTForImageClassification.from_pretrained('jaranohaal/vit-base-violence-detection')
feature_extractor = ViTFeatureExtractor.from_pretrained('jaranohaal/vit-base-violence-detection')

# 画像をロード
image = Image.open('image.jpg')

# 画像を前処理
inputs = feature_extractor(images=image, return_tensors="pt")

# 推論を実行
with torch.no_grad():
    outputs = model(**inputs)
    logits = outputs.logits
    predicted_class_idx = logits.argmax(-1).item()

# 予測されたクラスを表示
print("Predicted class:", model.config.id2label[predicted_class_idx])

📚 ドキュメント

モデル精度

• テスト精度: 98.80%
• 損失: 0.20038144290447235

データセット

このモデルは、abdulmananraja/real-life-violence-situations データセットを使用して学習されています。

タグ

• 画像分類
• ビジョン
• 暴力検出

📄 ライセンス

このモデルは、Apache License 2.0 の下で提供されています。