Hair Type Image Detection
基于Google Vision Transformer (ViT)架构的图像分类模型,专门用于从面部图像中识别五种发型类型(卷发、脏辫、扭结发、直发、波浪发),准确率达93%。
下载量 143
发布时间 : 10/15/2024
模型简介
该模型使用预训练的ViT-base-patch16-224-in21k进行微调,能够高效准确地分类面部图像中的发型类型,适用于美妆、时尚和身份识别等应用场景。
模型特点
高精度发型分类
在五类发型识别任务中达到92.8%的整体准确率,其中脏辫分类F1分数高达97.8%
基于ViT架构
采用Google预训练的Vision Transformer基础模型,具有强大的图像特征提取能力
轻量级解决方案
相比传统CNN模型,在保持高精度的同时具有更高效的推理性能
模型能力
面部图像分析
发型分类
多类别图像识别
使用案例
美妆时尚
虚拟发型试戴
在AR美妆应用中实时识别用户当前发型并推荐匹配的发型产品
准确识别用户基础发型类型,提升产品推荐相关性
身份识别
特征辅助识别
作为面部识别系统的补充特征,通过发型特征提高识别准确率
在测试集上对脏辫的识别准确率达99%
精选推荐AI模型
Llama 3 Typhoon V1.5x 8b Instruct
专为泰语设计的80亿参数指令模型,性能媲美GPT-3.5-turbo,优化了应用场景、检索增强生成、受限生成和推理任务
大型语言模型
Transformers 支持多种语言

L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-Tiny是一个基于SODA数据集训练的超小型对话模型,专为边缘设备推理设计,体积仅为Cosmo-3B模型的2%左右。
对话系统
Transformers 英语

C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
基于RoBERTa架构的中文抽取式问答模型,适用于从给定文本中提取答案的任务。
问答系统 中文
R
uer
2,694
98