IdolSankaku SwinV2 标签器 v1

支持评分、角色和通用标签。

使用 https://github.com/SmilingWolf/JAX-CV 进行训练。
训练所用的 TPU 由 TRC 计划 友情提供。

数据集

基于人工标注的真实世界照片数据集训练。

验证结果

v1.0: P=R: 阈值 = 0.3094, F1 = 0.6161

更新内容

模型 v1.0/数据集 v1：
数据集的首个版本，标签于 2024-08-31 更新。
兼容 timm！使用经典的一行代码即可加载并试用！
ONNX 模型兼容为 WD 标签器模型 v3 系列开发的代码。
ONNX 模型的批次维度不再固定为 1。现在您可以尽情使用批量推理。
改用 Macro-F1 来衡量模型性能，因为它能让我更好地评估整体训练进度。

运行时依赖

ONNX 模型需要 onnxruntime >= 1.17.0

推理代码示例

timm 版本：https://github.com/neggles/wdv3-timm
ONNX 版本：https://huggingface.co/spaces/SmilingWolf/wd-tagger
JAX 版本：https://github.com/SmilingWolf/wdv3-jax

结语

可能会有变更和更新。
建议下游用户使用带标签的发布版本，而非依赖仓库的最新提交。

致谢

感谢整个 DeepGHS 团队的数据收集工作，以及他们鼓励我将模型推向更远的极限——远超原本合理预期的目标，最终竟真的成功了。