autotagger
1.0.0
Ein Tag-Vorhersagesystem für Anime-Stil-Bilder.
Probieren Sie es unter https://autotagger.donmai.us.
Oder gehen Sie zu https://danbooru.donmai.us/ai_tags, um vorhergesagte Tags auf allen Beiträgen auf Danbooru zu durchsuchen. Hier sind einige Beispiele für verschiedene Tags:
https://danbooru.donmai.us/AI_TAGS?SEECHSATAG_NAME ÄNTRIGUNGEN
https://danbooru.donmai.us/AI_TAGS?SEECHSATAG_NAME ]=HATSUNE_MIKU&Search -corder ]=score_desc
https://danbooru.donmai.us/AI_TAGS?SEECHSATAG_NAME ÄNten=cat&search -cormers ]=score_desc
# Get tags for a single image cat image.jpg | docker run --rm -i ghcr.io/danbooru/autotagger autotag - # Run the web server. Open http://localhost:5000. docker run --rm -p 5000:5000 ghcr.io/danbooru/autotagger # Get tags from the web server. curl http://localhost:5000/evaluate -X POST -F file=@hatsune_miku.jpg -F format=json
Starten Sie den App -Server:
# Mit DockerDocker Run - -RM -P 5000: 5000 ghcr.io/danbooru/autotagger# ohne Dockerpython -m Poesie Run Gunicorn
Öffnen Sie dann http: // localhost: 5000, um die WebApp zu verwenden. Hier können Sie Bilder hochladen und die Liste der vorhergesagten Tags anzeigen.
Starten Sie den App -Server wie oben und tun Sie dann:
curl http: // localhost: 5000/evaluate -x post -f Datei=@hatsune_miku.jpg -f format = json
Die Ausgabe sieht so aus:
[
{"filename": "hatsune_miku.jpg","tags": { "1girl": 0.9995526671409607, "hatsune_miku": 0.9995216131210327, "vocaloid": 0.9981155395507812, "solo": 0.9938727617263794, "thighhighs": 0.970325767993927, "long_hair": 0,9630335569381714, "Twintails": 0,9352861046791077, "SYR_LONG_HAIR": 0,8532902002334595, "Krawtie": 0,853278945602417, "aqua_hair": 0,8269962417, "aqua_hair" Leeves ": 0,796751081943512," Rock ": 0,7879447340965271," Bewertung: S ": 0,7843148112297058," Aqua_eyes ": 0,6136178374290466, "Zettai_Ryouiki": 0,561122417449512, "Thich_Boots": 0,37453025579452515, "Black_Legwear": 0,3725512325763724, "Full Hintergrund ": 0,28789788484573364," Boots ": 0,286143958568573," Headset ": 0.27902844548225403," White_background ": 0.23441512882709503, "Shirt": 0,21720334887504578, "Looking_at_viewer": 0,2044636756181717, "Pleated_Skirt": 0,17705336213111877, "Smile": 0,17575393617153168, ": "Kopfhörer": 0,16347116231918335, "stehend": 0,15511766076087952, "Rating: G": 0,13711321353912354, "aqua_necktie": 0.11798079311847687, "Black_skirt": 0.11197035759687424, "Blush": 0.10813453793525696}
}
]Generieren Sie Tags für ein einzelnes Bild:
# Mit Docker: Cat Image.jpg | Docker Run - -rm Ghcr.io/danbooru/autotagger Autotag -# ohne Docker: ./ Autotag Image.jpg
Generieren Sie Tags für mehrere Bilder:
# Mit Docker:# `-v $ pwd:/host` bedeutet das aktuelle Verzeichnis als/host im Docker Container Image1.jpg /host/image2.jpg# ohne Docker: ./ Autotag Image1.jpg Image2.jpg
Generieren Sie Tags für alle Bilder in den images/ Verzeichnissen:
# Mit Docker:# ändern `Images` in dem, was Ihr Bildverzeichnis heißt.
Generieren Sie Tags für alle Dateien in einem Verzeichnis, das einem Muster entspricht:
Finden Sie Bilder/ -name '*.jpg' | ./autotag -i - -
Generieren Sie eine Liste von Tags im CSV -Format, die zum Importieren in Ihre eigene Danbooru -Instanz geeignet sind:
./autotag -c -f -n Bilder/ | gzip> tags.csv.gz
# Install system dependencies apt-get update apt-get install git build-essential gfortran libatlas-base-dev libffi-dev libssl-dev libbz2-dev liblzma-dev # Get code git clone https://github.com/danbooru/autotagger.git cd autotagger # Install Python (skip this if Python 3.9.13 is already installed) git clone https://github.com/asdf-vm/asdf.git ~/.asdf --branch v0.10.0 echo ". $HOME/.asdf/asdf.sh" >> ~/.bashrc exec bash asdf plugin add python asdf install python 3.9.13 asdf shell python 3.9.13 # Install Python dependencies pip install poetry==1.1.13 python -m poetry env use 3.9 python -m poetry install --no-dev # Download latest model wget https://github.com/danbooru/autotagger/releases/download/2022.06.20-233624-utc/model.pth -O models/model.pth # Test that it works ./autotag test/hatsune_miku.jpg
Das aktuelle Modell ist Stock Resnet-152, das auf ImageNet vorgebracht wurde und dann für etwa 10 Epochen auf Danbooru abgeschlossen ist.
Das Modell ist auf etwa 5500 Tags ausgebildet. Dies umfasst Charakter -Tags mit> 750 Posts, Copyright -Tags mit> 2000 Posts und allgemeine Tags mit> 2500 Posts, aber nicht mit Künstler- oder Meta -Tags. Bewertungen sind ebenfalls enthalten.
Das Modell ist unter https://github.com/danbooru/autotagger/releases erhältlich.
https://github.com/kichangkim/deepdanbooru
https://github.com/smilingwolf/sw-cv-modelzoo
https://github.com/zyddnys/regdeepdanbooru
https://github.com/rezoo/illustration2Vec
https://www.gwern.net/danbooru2021
https://console.cloud.google.com/storage/browser/danbooru_public/data?project=danbooru1 (Danbooru -Daten -Dumps)
