Upload README.md with huggingface_hub

README.md

@@ -0,0 +1,73 @@
+---
+language:
+  - zh
+tags:
+  - image-classification
+  - orientation-detection
+  - document-scanning
+  - onnx
+library_name: onnxruntime
+license: mit
+---
+
+# Fachuan 图片方向分类器
+
+基于 ConvNeXtV2-Atto 微调的四方向图片分类 ONNX 模型，专为票据/文档图片自动旋转设计。
+
+## 模型信息
+
+| 项目 | 值 |
+|------|-----|
+| 基础模型 | facebook/convnextv2-atto-1k-224 |
+| 参数量 | 3.7M |
+| 输入分辨率 | 384 × 384 |
+| 输入格式 | float32 [1, 3, 384, 384]，ImageNet 归一化 |
+| 输出 | float32 [1, 4] → 0° / 90° / 180° / 270° |
+| 验证准确率 | 99.6% |
+| 模型大小 | ~13 MB（INT8 量化） |
+
+## 分类含义
+
+| 类别索引 | 目录名 | 含义 | 后端旋转角度 |
+|---------|--------|------|-------------|
+| 0 | 0 | 正向，无需旋转 | 0° |
+| 1 | 180 | 上下颠倒 | 180° |
+| 2 | 270 | 逆时针旋转 | -90° |
+| 3 | 90 | 顺时针旋转 | -270° |
+
+## 快速使用
+
+```python
+import numpy as np
+import onnxruntime as ort
+from PIL import Image
+
+session = ort.InferenceSession("fachuan-orientation-classifier.onnx")
+
+img = Image.open("receipt.jpg").convert("RGB").resize((384, 384))
+arr = np.array(img, dtype=np.float32).transpose(2, 0, 1) / 255.0
+mean = np.array([0.485, 0.456, 0.406]).reshape(3, 1, 1)
+std = np.array([0.229, 0.224, 0.225]).reshape(3, 1, 1)
+arr = ((arr - mean) / std).unsqueeze(0)
+
+logits = session.run(None, {"pixel_values": arr})[0]
+predicted_class = int(np.argmax(logits, axis=1)[0])
+ROTATION_MAP = {0: 0, 1: 180, 2: -90, 3: -270}
+print(f"预测方向: {predicted_class}°, 需旋转: {ROTATION_MAP[predicted_class]}°")
+```
+
+## 训练数据
+
+使用法穿（Fachuan）项目内部票据图片训练，包含发票、收据、微信聊天截图等场景。
+
+- 训练集：1116 张（279 张原始图 × 4 个旋转角度）
+- 验证集：276 张
+- 数据增强：RandomResizedCrop、ColorJitter
+
+## 训练元信息
+
+详见 [convnextv2-acc996.json](convnextv2-acc996.json)
+
+## 许可证
+
+MIT License