|
|
--- |
|
|
license: apache-2.0 |
|
|
--- |
|
|
# LSNet 艺术家风格分类模型 Model Card |
|
|
|
|
|
## 模型概述 |
|
|
|
|
|
**模型名称**: |
|
|
Kaloscope Artist Style Classification Model |
|
|
**模型版本**: v2.0 |
|
|
**发布日期**: 2025年11月 |
|
|
**模型类型**: 图像分类 (艺术家风格识别) |
|
|
**架构**: LSNet (See Large, Focus Small) |
|
|
|
|
|
## 模型描述 |
|
|
|
|
|
本模型基于LSNet架构构建，专门用于识别和分类不同艺术家的绘画风格。LSNet是一个轻量级视觉模型，灵感来源于人类视觉系统的动态异尺度能力，即"看大局，聚焦细节"的特性。 |
|
|
|
|
|
### 架构特点 |
|
|
- **设计理念**: 基于人类视觉系统的"See Large, Focus Small"原理 |
|
|
- **模型系列**: 支持LSNet-T、LSNet-S、LSNet-B三种规模 |
|
|
- **参数量**: 约183M参数 |
|
|
- **优化目标**: 在保持高精度的同时实现高效推理 |
|
|
|
|
|
## 训练数据 |
|
|
|
|
|
### 数据来源 |
|
|
- **数据集**: Danbooru数据集 (截止到2025年9月) |
|
|
- **数据筛选**: 选取图像数量在40张以上的艺术家 |
|
|
- **总分类数**: 39,260个艺术家类别 |
|
|
- **数据采样策略**: |
|
|
- 所有艺术家图像通过数据增强（镜像旋转）统一扩展至100张 |
|
|
- 使用 [imgutils](https://github.com/deepghs/imgutils) 进行训练图像去重 |
|
|
- 训练集艺术家图像配平处理 |
|
|
|
|
|
### 数据预处理 |
|
|
- 图像尺寸: 448×448像素 (从224×224扩展) |
|
|
- 数据增强: 镜像旋转等增强技术，确保每个艺术家100张训练图像 |
|
|
- 图像去重: 使用 [imgutils](https://github.com/deepghs/imgutils) 库进行训练图像去重 |
|
|
- 验证集划分: 10%的数据用于验证 |
|
|
|
|
|
## 训练配置 |
|
|
|
|
|
### 硬件环境 |
|
|
- **GPU配置**: 8×H20 GPU |
|
|
- **训练时长**: 400+小时 (H20) |
|
|
- **批次大小**: 256 (每GPU) |
|
|
|
|
|
### 训练参数 |
|
|
- **优化器**: AdamW |
|
|
- **学习率调度**: Cosine Annealing |
|
|
- **数据并行**: 分布式训练 (8卡) |
|
|
- **模型参数量**: ~183M |
|
|
- **输入分辨率**: 448×448 (从224×224扩展) |
|
|
|
|
|
### 性能指标 |
|
|
- **最终准确率**: 90.13% (Top-1) |
|
|
- **验证方式**: Top-1准确率 |
|
|
- **评估数据**: 验证集 (10%的数据) |
|
|
- **训练时长**: 400+小时 (H20 GPU) |
|
|
|
|
|
## 模型性能 |
|
|
|
|
|
### 分类性能 |
|
|
| 指标 | 数值 | |
|
|
|------|------| |
|
|
| Top-1 准确率 | 90.13% | |
|
|
| 总类别数 | 39,260 | |
|
|
| 参数量 | ~183M | |
|
|
| 训练时长 | 400+小时 (H20) | |
|
|
| 输入分辨率 | 448×448 | |
|
|
|
|
|
### 推理性能 |
|
|
- **输入格式**: RGB图像，448×448像素 |
|
|
- **输出格式**: 39,260维概率分布 |
|
|
- **推理速度**: 高效推理 (具体数值取决于硬件) |
|
|
|
|
|
## 使用方法 |
|
|
|
|
|
### 环境要求 |
|
|
```bash |
|
|
pip install torch torchvision timm |
|
|
git clone https://github.com/spawner1145/lsnet-test |
|
|
cd Isnet-test |
|
|
``` |
|
|
|
|
|
### 基本使用 |
|
|
```python |
|
|
import torch |
|
|
from model import Isnet_artist |
|
|
|
|
|
# 加载模型 |
|
|
model = create_model('Isnet_xl_artist_448', pretrained=True, fearure_dim=2048) |
|
|
model.eval() |
|
|
|
|
|
# 推理 |
|
|
with torch.no_grad(): |
|
|
output = model(input_tensor) |
|
|
probabilities = torch.softmax(output,dim=1) |
|
|
``` |
|
|
### Comfyui内使用 |
|
|
安装comfyui节点：https://github.com/spawner1145/comfyui-lsnet |
|
|
下载本仓库模型即可使用 |
|
|
### 相关资源 |
|
|
- **论文**: [LSNet: See Large, Focus Small](https://arxiv.org/abs/2503.23135) |
|
|
- **代码仓库**: (https://github.com/spawner1145/lsnet-test) |
|
|
- **预训练模型**: 可通过Hugging Face Hub获取 |
|
|
|
|
|
### 引用信息 |
|
|
```bibtex |
|
|
@misc{wang2025lsnetlargefocussmall, |
|
|
title={LSNet: See Large, Focus Small}, |
|
|
author={Ao Wang and Hui Chen and Zijia Lin and Jungong Han and Guiguang Ding}, |
|
|
year={2025}, |
|
|
eprint={2503.23135}, |
|
|
archivePrefix={arXiv}, |
|
|
primaryClass={cs.CV}, |
|
|
url={https://arxiv.org/abs/2503.23135}, |
|
|
} |
|
|
``` |
|
|
|
|
|
## 更新日志 |
|
|
|
|
|
### v2.0 (2025年11月) |
|
|
- **数据集更新**: Danbooru数据集更新至2025年9月 |
|
|
- **图像去重**: 利用 [imgutils](https://github.com/deepghs/imgutils) 进行训练图像去重 |
|
|
- **数据配平**: 训练集艺术家图像配平，通过数据增强（镜像旋转）将所有训练艺术家图像统一扩展成100张 |
|
|
- **分辨率提升**: 训练输入分辨率从224×224扩展至448×448 |
|
|
- **艺术家扩展**: 艺术家筛选下探至Danbooru上有40张以上图像的艺术家，最终艺术家类别39,260个 |
|
|
- **性能提升**: 经过400+小时H20训练，最终模型Top-1准确率达到90.13% |
|
|
- **模型扩展**: 模型参数量扩展至183M |
|
|
|
|
|
### v1.1 (2025年10月) |
|
|
- 150epoch训练 |
|
|
- 达到85.6%的分类准确率 |
|
|
|
|
|
### v1.0 (2025年10月) |
|
|
- 初始版本发布 |
|
|
- 基于Danbooru数据集训练 |
|
|
- 支持31,770个艺术家类别 |
|
|
- 达到84.2%的分类准确率 |
|
|
--- |
|
|
|
|
|
**免责声明**: 本模型仅供研究和教育用途。在商业应用中使用时，请确保遵守相关法律法规和伦理准则。 |
