README.md

---
license: apache-2.0
base_model: SmilingWolf/wd-vit-tagger-v3
pipeline_tag: image-classification
library_name: onnxruntime
language:
- fr
- en
tags:
- image-tagging
- anime
- photo-realistic
- onnx
- waifu-diffusion
- computer-vision
- browser-ml
- multi-label-classification
datasets:
- SmilingWolf/wd-vit-tagger-v3
---

# WD ViT Tagger v3 - ONNX Runtime

🎯 **Modèle ONNX optimisé pour le tagging d'images et l'analyse de contenu dans le navigateur**

Ce dépôt héberge une version ONNX optimisée du modèle [WD ViT Tagger v3](https://huggingface.co/SmilingWolf/wd-vit-tagger-v3), conçu pour une inférence efficace dans les navigateurs web via ONNX Runtime Web.

---

## 📋 Détails du Modèle

- **Modèle de Base** : [SmilingWolf/wd-vit-tagger-v3](https://huggingface.co/SmilingWolf/wd-vit-tagger-v3)  
- **Type de Modèle** : Vision Transformer (ViT) pour classification multi-labels d'images  
- **Format** : ONNX (optimisé pour WebAssembly)  
- **Taille d'Entrée** : 448×448 RGB (ordre des canaux **BGR**)  
- **Sortie** : ~9 000 tags répartis en plusieurs catégories  
- **Licence** : Apache 2.0  

---

## 🎨 Capacités

Le modèle peut analyser et étiqueter des images avec une grande précision pour :

- **Tags généraux** : Objets, actions, attributs, styles  
- **Tags de personnages** : Identification de personnages (anime/manga)  
- **Tags de classification** : général / sensible / explicite  
- **Photos réalistes** : Fonctionne parfaitement sur des images réelles  
- **Anime/Manga** : Modèle spécialisé pour styles illustrés  

---

## 🚀 Utilisation

### 🌐 Outil en ligne (100% local, aucun serveur)

👉 **https://fmenguy.fr/oai/**  

> **100% client-side** — aucune image envoyée, tout se passe dans votre navigateur.

---

### 📦 JavaScript (Navigateur – ONNX Runtime Web)

```javascript
import * as ort from 'onnxruntime-web';

// Charger le modèle
const session = await ort.InferenceSession.create(
  'https://huggingface.co/Skarn55/oai/resolve/main/model.onnx',
  { executionProviders: ['wasm'] }
);

// Préparer l'image (448x448, BGR, plage 0-255)
const imageData = prepareImage(votreImage); // Voir preprocessing ci-dessous
const tensor = new ort.Tensor('float32', imageData, [1, 448, 448, 3]);

// Exécuter l'inférence
const results = await session.run({ [session.inputNames[0]]: tensor });
const scores = results[session.outputNames[0]].data;

// Filtrer les tags
const tags = scores
  .map((score, i) => ({ tag: tagNames[i], score }))
  .filter(x => x.score > 0.35)
  .sort((a, b) => b.score - a.score);

// Affichage résultat
console.log("Tags détectés :", tags);
```

🔧 Prétraitement (Python)

def prepare_square_image(image, target_size=448):
    canvas = Image.new("RGBA", image.size, (255, 255, 255))
    canvas.alpha_composite(image.convert("RGBA"))
    image = canvas.convert("RGB")

    max_dim = max(image.size)
    pad_left = (max_dim - image.size[0]) // 2
    pad_top = (max_dim - image.size[1]) // 2

    padded = Image.new("RGB", (max_dim, max_dim), (255, 255, 255))
    padded.paste(image, (pad_left, pad_top))

    if max_dim != target_size:
        padded = padded.resize((target_size, target_size), Image.BICUBIC)

    return padded


## 📊 Performance

| Élément | Valeur |
|--------|--------|
| Inférence navigateur | 3–5 s |
| Taille modèle | ~250 Mo |
| Tags totaux | 10 861 |
| Seuil recommandé | 0.35 |

---

## 📁 Fichiers fournis

- `model.onnx`
- `selected_tags.csv`

---

## 🏷️ Catégories de tags

| Catégorie | Description | Exemples |
|----------|-------------|----------|
| Général | tags visuels | girl, solo |
| Artiste | noms d’artistes | … |
| Copyright | franchises | … |
| Personnage | noms de personnages | … |
| Meta | métadonnées | … |
| Classification | general, sensitive, explicit | … |

---

## 🎯 Cas d'usages

- Tagging automatique d'images  
- Modération / filtrage  
- SEO (métadonnées images)  
- Annotation datasets ML  
- Apps 100% navigateur (confidentialité)

---

## ⚙️ Spécifications Techniques

- Entrée : `float32`, `[1, 448, 448, 3]`, **BGR**, 0–255  
- Sortie : `float32`, `[1, 10861]`  
- Activation : **sigmoid**

---

## 🙏 Crédits

- **Modèle original** : SmilingWolf  
- **Dataset** : WaifuDiffusion v3  
- **Conversion ONNX** : François MENGUY  

---

## 📜 Licence

Licence **Apache 2.0**, autorise :

- Utilisation commerciale  
- Modifications  
- Distribution  
- Usage privé  

Veuillez créditer **SmilingWolf**.

---

## 🔗 Modèles Associés

- `wd-vit-tagger-v3`
- `wd-swinv2-tagger-v3`
- `wd-convnext-tagger-v3`

---

## 🛠️ Autres modèles par François MENGUY

- `Skarn55/gender-classification-onnx`
- https://fmenguy.fr/oai/

---

## 📧 Contact

Ouvrez une issue pour tout problème concernant cette version ONNX.

> Conversion ONNX réalisée avec ❤️ par François MENGUY.