Font Identifier

🚀 字體識別器

本模型是基於 microsoft/resnet-18 在 imagefolder 數據集上進行微調的版本。結果顯示：損失率為 0.1172；準確率為 0.9633。

你可以使用任何字體的截圖進行測試，也可以使用 本倉庫 'samples' 子文件夾中的示例。

🚀 快速開始

本模型是 microsoft/resnet-18 在 imagefolder 數據集上的微調版本，結果為損失率 0.1172，準確率 0.9633。你可以用任意字體截圖或 本倉庫 'samples' 子文件夾中的示例 進行測試。

✨ 主要特性

• 字體識別：能夠識別圖像中使用的字體，是基於 ResNet18 的視覺分類器。
• 多平臺記錄：項目構建過程以分鐘為單位記錄，可在 Twitter/X、Pebble.social 和 Threads.net 查看。

📚 詳細文檔

模型描述

該模型用於識別圖像中使用的字體，是基於 ResNet18 的視覺分類器。項目在一天內構建完成，構建過程的逐分鐘記錄可在 Twitter/X、Pebble.social 和 Threads.net 查看。構建此模型的代碼位於此 GitHub 倉庫中。

預期用途和限制

可從訓練數據中識別 48 種標準字體中的任何一種。

訓練和評估數據

在 gaborcselle/font-examples 數據集上進行訓練和評估（80/20 分割）。

訓練過程

訓練超參數

訓練期間使用了以下超參數：

• 學習率：5e - 05
• 訓練批次大小：16
• 評估批次大小：16
• 隨機種子：42
• 梯度累積步數：4
• 總訓練批次大小：64
• 優化器：Adam（β=(0.9, 0.999)，ε = 1e - 08）
• 學習率調度器類型：線性
• 學習率調度器熱身比例：0.1
• 訓練輪數：50

訓練結果

混淆矩陣

測試數據上的混淆矩陣如下：

框架版本

• Transformers 4.36.0.dev0
• Pytorch 2.0.0
• Datasets 2.12.0
• Tokenizers 0.14.1

📄 許可證

本項目採用 MIT 許可證。

📋 信息表格