microsoft-resnet-50卡通人物情緒檢測模型 - 開源免費高效完成圖像分類任務

首頁

Microsoft Resnet 50 Cartoon Emotion Detection

由jayanta開發

基於ResNet-50微調的卡通人物情緒檢測模型，在圖像分類任務上表現良好。

圖像分類

Transformers

開源協議:Apache-2.0 #卡通情緒識別 #高精度分類 #ResNet50微調

下載量 124

發布時間 : 1/21/2023

模型概述

該模型是基於microsoft/resnet-50在圖像文件夾數據集上微調的版本，專門用於卡通人物情緒檢測任務。

模型特點

高準確率

在評估集上取得了81.65%的準確率，表現良好。

平衡性能

精確率、召回率和F1分數均在81%左右，表現均衡。

微調優化

基於ResNet-50架構進行微調，針對卡通人物情緒檢測任務優化。

模型能力

圖像分類

情緒識別

卡通人物分析

使用案例

娛樂應用

卡通表情分析

用於分析卡通人物或動漫角色的表情情緒

可準確識別多種情緒狀態

內容審核

卡通內容情緒過濾

用於過濾或分類包含特定情緒的卡通內容

🚀 微軟ResNet - 50卡通情感檢測模型

該模型是基於 microsoft/resnet - 50 在 imagefolder 數據集上微調得到的版本。它在評估集上取得了以下成績：

損失值：0.4801
準確率：0.8165
精確率：0.8182
召回率：0.8165
F1值：0.8173

🚀 快速開始

本模型是在 imagefolder 數據集上對 microsoft/resnet - 50 進行微調得到的。你可以根據訓練過程和評估結果，進一步使用該模型進行卡通情感檢測相關的任務。

📚 詳細文檔

模型信息

屬性	詳情
模型類型	基於 ResNet - 50 微調的卡通情感檢測模型
訓練數據	imagefolder 數據集
評估指標	損失值、準確率、精確率、召回率、F1值

訓練過程

訓練超參數

訓練過程中使用了以下超參數：

學習率（learning_rate）：0.00012
訓練批次大小（train_batch_size）：64
評估批次大小（eval_batch_size）：64
隨機種子（seed）：42
梯度累積步數（gradient_accumulation_steps）：4
總訓練批次大小（total_train_batch_size）：256
優化器（optimizer）：Adam，β1 = 0.9，β2 = 0.999，ε = 1e - 08
學習率調度器類型（lr_scheduler_type）：線性
學習率調度器熱身比例（lr_scheduler_warmup_ratio）：0.1
訓練輪數（num_epochs）：80

訓練結果

訓練損失	輪數	步數	驗證損失	準確率	精確率	召回率	F1值
無記錄	0.97	8	1.3855	0.2294	0.2697	0.2294	0.2165
1.4222	1.97	16	1.3792	0.2569	0.2808	0.2569	0.2543
1.4183	2.97	24	1.3646	0.3853	0.4102	0.3853	0.3511
1.4097	3.97	32	1.3563	0.4128	0.5062	0.4128	0.3245
1.3944	4.97	40	1.3462	0.4037	0.3927	0.4037	0.2939
1.3944	5.97	48	1.3223	0.4037	0.5152	0.4037	0.2841
1.411	6.97	56	1.3040	0.4128	0.4404	0.4128	0.2985
1.346	7.97	64	1.2700	0.4954	0.4960	0.4954	0.4093
1.3031	8.97	72	1.2150	0.5596	0.5440	0.5596	0.4672
1.2371	9.97	80	1.1580	0.5963	0.5659	0.5963	0.5101
1.2371	10.97	88	1.0670	0.6055	0.7279	0.6055	0.5211
1.1736	11.97	96	0.9856	0.6606	0.5537	0.6606	0.5772
1.0457	12.97	104	0.8963	0.6697	0.7631	0.6697	0.5965
0.953	13.97	112	0.8547	0.6697	0.6885	0.6697	0.6081
0.8579	14.97	120	0.7849	0.7156	0.7396	0.7156	0.6643
0.8579	15.97	128	0.7564	0.7431	0.7372	0.7431	0.7119
0.8167	16.97	136	0.7133	0.7615	0.7507	0.7615	0.7211
0.7273	17.97	144	0.6888	0.7523	0.7379	0.7523	0.7202
0.6547	18.97	152	0.6592	0.7798	0.7773	0.7798	0.7577
0.5963	19.97	160	0.6136	0.7706	0.7642	0.7706	0.7551
0.5963	20.97	168	0.5723	0.7890	0.7802	0.7890	0.7787
0.551	21.97	176	0.5686	0.7890	0.7761	0.7890	0.7781
0.4929	22.97	184	0.5597	0.7706	0.7649	0.7706	0.7651
0.4309	23.97	192	0.5234	0.7890	0.7774	0.7890	0.7810
0.3945	24.97	200	0.5008	0.7890	0.7837	0.7890	0.7813
0.3945	25.97	208	0.5289	0.7523	0.7537	0.7523	0.7529
0.3704	26.97	216	0.4399	0.7982	0.7958	0.7982	0.7963
0.3267	27.97	224	0.4539	0.8073	0.7983	0.8073	0.8005
0.2966	28.97	232	0.4735	0.7798	0.7892	0.7798	0.7837
0.2645	29.97	240	0.4594	0.7706	0.7706	0.7706	0.7706
0.2645	30.97	248	0.4699	0.7523	0.7554	0.7523	0.7533
0.2527	31.97	256	0.4551	0.7890	0.7856	0.7890	0.7857
0.2202	32.97	264	0.4458	0.8165	0.8198	0.8165	0.8170
0.2006	33.97	272	0.4632	0.7798	0.7941	0.7798	0.7850
0.1589	34.97	280	0.4651	0.7890	0.7993	0.7890	0.7925
0.1589	35.97	288	0.4595	0.7798	0.7824	0.7798	0.7804
0.153	36.97	296	0.4584	0.7615	0.7691	0.7615	0.7633
0.1427	37.97	304	0.4608	0.7798	0.7830	0.7798	0.7796
0.113	38.97	312	0.4571	0.7890	0.7922	0.7890	0.7899
0.1146	39.97	320	0.5270	0.7615	0.7651	0.7615	0.7613
0.1146	40.97	328	0.4888	0.7706	0.7782	0.7706	0.7710
0.1275	41.97	336	0.4523	0.7890	0.7809	0.7890	0.7837
0.0959	42.97	344	0.4697	0.7798	0.7753	0.7798	0.7767
0.0882	43.97	352	0.4286	0.7706	0.7686	0.7706	0.7686
0.0847	44.97	360	0.5317	0.7890	0.7993	0.7890	0.7925
0.0847	45.97	368	0.5431	0.7615	0.7700	0.7615	0.7647
0.0813	46.97	376	0.4432	0.8257	0.8435	0.8257	0.8284
0.0768	47.97	384	0.4886	0.7982	0.8005	0.7982	0.7956
0.0627	48.97	392	0.5373	0.7982	0.8072	0.7982	0.8010
0.0688	49.97	400	0.5897	0.7798	0.7892	0.7798	0.7822
0.0688	50.97	408	0.5115	0.7982	0.8015	0.7982	0.7992
0.0676	51.97	416	0.4881	0.7982	0.7998	0.7982	0.7978
0.0539	52.97	424	0.4820	0.8073	0.8139	0.8073	0.8077
0.0596	53.97	432	0.4450	0.8257	0.8246	0.8257	0.8244
0.0611	54.97	440	0.5057	0.7890	0.8008	0.7890	0.7924
0.0611	55.97	448	0.4918	0.7982	0.8056	0.7982	0.8008
0.0643	56.97	456	0.5946	0.7523	0.7587	0.7523	0.7545
0.0605	57.97	464	0.4888	0.8073	0.8239	0.8073	0.8121
0.063	58.97	472	0.5917	0.7890	0.8051	0.7890	0.7937
0.0595	59.97	480	0.5117	0.7890	0.7904	0.7890	0.7894
0.0595	60.97	488	0.5497	0.7615	0.7692	0.7615	0.7635
0.0554	61.97	496	0.4742	0.8165	0.8101	0.8165	0.8126
0.0557	62.97	504	0.5369	0.7890	0.7886	0.7890	0.7886
0.0539	63.97	512	0.5440	0.7890	0.7922	0.7890	0.7899
0.048	64.97	520	0.5924	0.7890	0.7878	0.7890	0.7883
0.048	65.97	528	0.4863	0.8440	0.8440	0.8440	0.8440
0.045	66.97	536	0.5850	0.8073	0.8076	0.8073	0.8047
0.047	67.97	544	0.4939	0.8257	0.8212	0.8257	0.8227
0.0412	68.97	552	0.4850	0.7890	0.7912	0.7890	0.7900
0.0392	69.97	560	0.5066	0.8257	0.8265	0.8257	0.8258
0.0392	70.97	568	0.4965	0.8073	0.8053	0.8073	0.8058
0.0423	71.97	576	0.4717	0.8349	0.8376	0.8349	0.8351
0.0471	72.97	584	0.4845	0.8257	0.8378	0.8257	0.8296
0.0322	73.97	592	0.5188	0.7706	0.7689	0.7706	0.7693
0.042	74.97	600	0.5242	0.7706	0.7699	0.7706	0.7701
0.042	75.97	608	0.5945	0.7798	0.7824	0.7798	0.7804
0.0416	76.97	616	0.5432	0.7982	0.8038	0.7982	0.7993
0.0399	77.97	624	0.5381	0.7982	0.8072	0.7982	0.7994
0.0439	78.97	632	0.6181	0.7798	0.7878	0.7798	0.7827
0.0462	79.97	640	0.4801	0.8165	0.8182	0.8165	0.8173