基于python实现的一个普通的动漫角色分类模型源码+项目说明.zip下载

[weixin_39822095]

【资源说明】 基于python实现的一个普通的动漫角色分类模型源码+项目说明.zip 使用方法 把这个仓库下载后把1张图片输入`predict`里就可以了: ```python from PIL import Image from predict import predict print(predict(Image.open('urusai.jpg'))) # [('momoi (blue archive)', 1.4793390460772633), ('midori (blue archive)', 2.2018390494738482), ('iijima yun', 2.309663538692209)] ``` | 图片 | 预测结果 1 | 预测结果 2 | 预测结果 3 | | ---- | ---- | ---- | ---- | |  | momoi (blue archive), 1.4793390460772633) | midori (blue archive), 2.2018390494738482 | iijima yun, 2.309663538692209)] | ## 关于训练 这次用的数据集是[danbooru2022](https://huggingface.co/datasets/animelover/danbooru2022)。 下了4%的数据出来训练，因为数据太多了，下不动啦。然后过滤出只包含一个女性角色的图片，总的训练样本数大概是60000。 - 训练集下了36个包，是 `data-0\d[0257]1.zip`。 - 测试集是 `data-0000.zip`。 测完发现这个瞎搞的准确率其实没有很高，top1命中74%，top3命中80%。 嘛，毕竟有5684个分类，长尾的分类太多了。我自己都认不出74%的图，那它已经比我认得多啦！ 不过因为只给所有的图打一次标签，相当于只需要炼1个epoch，训练很快。 ## 标签是怎么做成embedding的 其实是这样的，因为我们有一个先验知识，就是一般来说，不同图中的一个角色，衣服会变，但是发型、发色、瞳色之类的一般不会变，所以我直接把和这些概念有关的标签用手一个一个拿出来，按相同顺序拼成一个embedding，没有就补0。 举个例子，假如我们有4个标签，分别是`黄色头发`、`粉色头发`、`黄色眼睛`、`粉色眼睛`，然后我们输入一张[momoi的图片](urusai.jpg)，就应该得到embedding = `[1, 0, 1, 0]` (实际上由于标签模型拿不到1，有可能是`[0.9, 0, 0.9, 0]`)。 以及我也试过暴力搜一些标签出来，大部分是没作用(甚至更坏)的，有几个有用的能优化几个点，就顺手偷进我的标签里啦。 【备注】 1、该资源内项目代码都经过测试运行成功，功能ok的情况下才上传的，请放心下载使用！ 2、本项目适合计算机相关专业(如计科、人工智能、通信工程、自动化、电子信息等)的在校学生、老师或者企业员工下载使用，也适合小白学习进阶，当然也可作为毕设项目、课程设计、作业、项目初期立项演示等。 3、如果基础还行，也可在此代码基础上进行修改，以实现其他功能，也可直接用于毕设、课设、作业等。 欢迎下载，沟通交流，互相学习，共同进步！ , 相关下载链接：https://download.csdn.net/download/DeepLearning_/88280486?utm_source=bbsseo