Facial Expression Detection

🚀 面部表情識別模型

本模型是一個專注於面部表情識別的模型，它基於預訓練模型進行微調，在相關數據集上取得了不錯的評估結果，能有效識別多種面部表情。

🚀 快速開始

示例代碼

from transformers import AutoImageProcessor, AutoModelForImageClassification, pipeline

pipe = pipeline("image-classification", model="HardlyHumans/Facial-expression-detection")

processor = AutoImageProcessor.from_pretrained("HardlyHumans/Facial-expression-detection")
model = AutoModelForImageClassification.from_pretrained("HardlyHumans/Facial-expression-detection")

labels = model.config.id2label

outputs = model(**inputs)

logits = outputs.logits
predicted_class_idx = logits.argmax(-1).item()
predicted_label = labels[predicted_class_idx]

✨ 主要特性

• 該模型是在google/vit-base-patch16-224-in21k基礎上，在FER 2013和AffectNet數據集上進行微調的版本。
• 在評估集上取得了較高的準確率（0.922）和較低的損失（0.213）。
• 能夠識別八種不同的面部表情，包括憤怒、輕蔑、悲傷、快樂、中性、厭惡、恐懼和驚訝。

📦 安裝指南

暫未提及安裝相關內容。

💻 使用示例

基礎用法

from transformers import AutoImageProcessor, AutoModelForImageClassification, pipeline

pipe = pipeline("image-classification", model="HardlyHumans/Facial-expression-detection")

processor = AutoImageProcessor.from_pretrained("HardlyHumans/Facial-expression-detection")
model = AutoModelForImageClassification.from_pretrained("HardlyHumans/Facial-expression-detection")

labels = model.config.id2label

outputs = model(**inputs)

logits = outputs.logits
predicted_class_idx = logits.argmax(-1).item()
predicted_label = labels[predicted_class_idx]

📚 詳細文檔

模型描述

vit-face-expression模型是一個經過微調的視覺變換器模型，專門用於面部情緒識別任務。它在FER2013和AffectNet數據集上進行訓練，這些數據集包含被分類為八種不同情緒的面部圖像，分別為憤怒、輕蔑、悲傷、快樂、中性、厭惡、恐懼和驚訝。

模型細節

模型使用以下超參數進行微調：

模型架構和目標

暫未詳細說明模型架構和目標相關內容。

🔧 技術細節

暫未提供足夠的技術實現細節。

📄 許可證

本模型使用的許可證為MIT。

🌱 環境影響

使用 機器學習影響計算器 估算的淨二氧化碳排放量約為8.82千克。

模型相關信息

參考信息

• 模型卡片元數據規範參考：https://github.com/huggingface/hub-docs/blob/main/modelcard.md?plain=1
• 文檔/指南：https://huggingface.co/docs/hub/model-cards