| --- |
| tags: |
| - transformers |
| - image-classification |
| widget: |
| - src: https://huggingface.co/datasets/mishig/sample_images/resolve/main/tiger.jpg |
| example_title: Tiger |
| - src: https://huggingface.co/datasets/mishig/sample_images/resolve/main/teapot.jpg |
| example_title: Teapot |
| - src: https://huggingface.co/datasets/mishig/sample_images/resolve/main/palace.jpg |
| example_title: Palace |
| datasets: |
| - Clemylia/old-train |
| --- |
| |
| # 💖 Documentation du Modèle : `Clemylia/Agna-old` 🤖✨ |
|
|
|  |
|
|
| ## 🌟 Présentation Mignonne du Modèle |
|
|
| **Agna-old** est un modèle de **Classification d'Images** 🖼️, entraîné par la super développeuse **Clemylia** (@Clemylia) \! Il est spécialisé dans l'estimation de l'âge des enfants en se basant sur une classification simplifiée : |
|
|
| * 👶 **Catégorie 1 :** Moins de **8 ans** |
| * 👧 **Catégorie 2 :** **8 ans** ou plus |
|
|
| Notre mission ? Aider à organiser et à trier les images avec soin et précision \! 🎯 |
|
|
| | Détail | Valeur | |
| | :--- | :--- | |
| | **Tâche** | `Image Classification` | |
| | **Bibliothèque** | `Transformers` (Utilise une architecture de type `resnet`) | |
| | **Taille du Modèle** | **11.2M** de paramètres (léger et efficace \! 🚀) | |
| | **Type de Tenseur** | `F32` | |
| | **Sécurité** | Utilise **Safetensors** (pour des poids de modèles sûrs 🛡️) | |
|
|
| ----- |
|
|
| ## 🛠️ Comment Utiliser ce Modèle Adorable ? |
|
|
| ### Utilisation avec `Hugging Face Transformers` (Python 🐍) |
|
|
| Pour faire des inférences avec **Agna-old**, tu peux utiliser la classe `pipeline` de Transformers, c'est la façon la plus simple et rapide \! |
|
|
| ```python |
| from transformers import pipeline |
| |
| # 1. 💖 Charger le Pipeline de Classification |
| classifier = pipeline( |
| "image-classification", |
| model="Clemylia/Agna-old" |
| ) |
| |
| # 2. 🖼️ Préparer ton Image (exemple avec un chemin de fichier) |
| # Remplace 'chemin_vers_ton_image.jpg' par le vrai chemin de ton image ! |
| image_path = "chemin_vers_ton_image.jpg" |
| |
| # 3. 💌 Exécuter l'Inférence ! |
| results = classifier(image_path) |
| |
| # 4. 🎉 Voir les Résultats (ils sont si mignons !) |
| print(results) |
| # Exemple de résultat : |
| # [{'label': 'Moins de 8 ans', 'score': 0.9876}, |
| # {'label': '8 ans ou plus', 'score': 0.0124}] |
| ``` |
|
|
| Le label avec le score le plus élevé est la prédiction du modèle. |
|
|
| ----- |
|
|
| ## 📚 Données et Entraînement : D'où Vient ce Pouvoir ? |
|
|
| ### Dataset d'Entraînement 🚂 |
|
|
| **Agna-old** a été entraîné avec amour sur la dataset : |
|
|
| * **Dataset :** `Clemylia/old-train` |
| * **Type :** Classification d'images. |
| * **Objectif :** Apprendre à distinguer les deux catégories d'âge d'enfant. |
|
|
| ### Précautions d'Usage (Attention, s'il vous plaît \! 🙏) |
|
|
| Ce modèle a été entraîné pour une tâche de classification d'âge très spécifique. Gardez moi ces points en tête : |
|
|
| 1. **Images d'Enfants Seulement :** Le modèle n'est pas conçu pour classer d'autres types d'images (animaux 🐶, objets 🍎, paysages 🏞️). Utilisez-le uniquement avec des images d'enfants pour des résultats fiables. |
| 2. **Limite d'Âge Fixe :** La classification est **binaire** (moins de 8 ans / 8 ans ou plus). Il ne peut pas prédire un âge précis (ex: 5 ans ou 12 ans). |
| 3. **Biais de Dataset :** Comme tout modèle, ses performances sont liées aux données utilisées. Des images trop différentes du dataset `Clemylia/old-train` pourraient donner des résultats inattendus. Sois vigilant(e) \! 🧐 |
|
|
| ----- |
|
|
| ## 🤝 Contribution et Améliorations |
|
|
| Tu as trouvé un petit bug ? Ou tu as une idée géniale pour rendre **Agna-old** encore meilleur ? N'hésite pas à le signaler \! |
|
|
| * **Prochaine Étape :** Laisse un commentaire ou ouvre une discussion sur la page Hugging Face du modèle pour collaborer \! Ensemble, nous construisons le futur de l'IA \! 💡 |
|
|
| Merci d'utiliser et de soutenir **Agna-old** \! Bon codage \! ✨💻 |
|
|
| 🛑 N'utilisez pas ce modèle a des fins pouvant compromettre des mineurs |
