Font Identifier

🚀 字体识别器

本模型是基于 microsoft/resnet-18 在 imagefolder 数据集上进行微调的版本。结果显示：损失率为 0.1172；准确率为 0.9633。

你可以使用任何字体的截图进行测试，也可以使用 本仓库 'samples' 子文件夹中的示例。

🚀 快速开始

本模型是 microsoft/resnet-18 在 imagefolder 数据集上的微调版本，结果为损失率 0.1172，准确率 0.9633。你可以用任意字体截图或 本仓库 'samples' 子文件夹中的示例 进行测试。

✨ 主要特性

• 字体识别：能够识别图像中使用的字体，是基于 ResNet18 的视觉分类器。
• 多平台记录：项目构建过程以分钟为单位记录，可在 Twitter/X、Pebble.social 和 Threads.net 查看。

📚 详细文档

模型描述

该模型用于识别图像中使用的字体，是基于 ResNet18 的视觉分类器。项目在一天内构建完成，构建过程的逐分钟记录可在 Twitter/X、Pebble.social 和 Threads.net 查看。构建此模型的代码位于此 GitHub 仓库中。

预期用途和限制

可从训练数据中识别 48 种标准字体中的任何一种。

训练和评估数据

在 gaborcselle/font-examples 数据集上进行训练和评估（80/20 分割）。

训练过程

训练超参数

训练期间使用了以下超参数：

• 学习率：5e - 05
• 训练批次大小：16
• 评估批次大小：16
• 随机种子：42
• 梯度累积步数：4
• 总训练批次大小：64
• 优化器：Adam（β=(0.9, 0.999)，ε = 1e - 08）
• 学习率调度器类型：线性
• 学习率调度器热身比例：0.1
• 训练轮数：50

训练结果

混淆矩阵

测试数据上的混淆矩阵如下：

框架版本

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

📄 许可证

本项目采用 MIT 许可证。

📋 信息表格