autotagger
1.0.0
Система прогнозирования тегов для изображений в стиле аниме.
Попробуйте это на https://autotgger.donmai.us.
Или перейдите по адресу https://danbooru.donmai.us/ai_tags, чтобы просмотреть прогнозируемые теги на всех сообщениях на Данбору. Вот несколько примеров разных тегов:
https://danbooru.donmai.us/ai_tags?search=name!
https://danbooru.donmai.us/ai_tags?search=name_name=hatsune_miku&search=sording=score_desc
https://danbooru.donmai.us/ai_tags?search=name!
# 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
Запустите сервер приложений:
# С DockerDocker Run -rm -p 5000: 5000 ghcr.io/danbooru/autotgger# без Dockerpython -m Poetry Run unericorning
Затем откройте http: // localhost: 5000, чтобы использовать веб -приложение. Здесь вы можете загружать изображения и просмотреть список прогнозируемых тегов.
Запустить сервер приложений, как указано выше, затем сделайте:
curl http: // localhost: 5000/review -x post -f file=@hatsune_miku.jpg -f format = json
Вывод будет выглядеть так:
[
{"filename": "hatsune_miku.jpg", "Tags": {"1girl": 0,9995526671409607, "Hatsune_miku": 0,9995216131210327, "Vocaloid": 0,998553955051812, "SOLI" , «Беджья»: 0,970325767993927, «long_hair»: 0,9630335569381714, "Twintails": 0,9352861046791077, "Sonth_long_hair": 0,8532902002334595, "Sale": 0,853278945602417, "Aqua_hair" eves ": 0,796751081943512," Юбка ": 0,7879447340965271," Рейтинг: S ": 0,784314811297058," Aqua_eyes ": 0,6136178374290466, "Zettai_ryuiki": 0,561124174499512, "бедра" ": 0,37453025579452515," Black_legwear ": 0,37251232576377024," Full_body ": 0,3225123257637024," Full_body ". simple_background ": 0,28789788484573364," сапоги ": 0,286143958568573," Гарнитура ": 0,27902844548225403," Белый «Рубашка»: 0,21720334887504578, "Looking_at_viewer": 0,2044636756181717, "Pleated_skirt": 0,17705336213111877, "Smile": 0,17575393617153168, "Bare_shoulds" , «Наушники»: 0,16347116231918335, «Стоя»: 0,15511766076087952, «Рейтинг: G»: 0,13711321353912354, "Aqua_Necktie": 0,11798079311847687, "Black_skirt": 0,111197035759687424, "Blush": 0,10813453793525696}
}
]Генерировать теги для одного изображения:
# С Docker: Cat Image.jpg | Docker run -rm ghcr.io/danbooru/autotgger autotag -# без Docker: ./ autotag image.jpg
Генерировать теги для нескольких изображений:
# С Docker:# `-v $ pwd:/host` означает установить текущий каталог как/хост в контейнере Docker.docker run --rm -v $ pwd:/host ghcr.io/danbooru/autotger autotag/host/host/host/host/host/host/host/host/host/host/host/host/host/host/host/host/host/host/host/host:/host ghcr.io/danbooru/autotger Image1.jpg /host/image2.jpg# без Docker: ./ Autotag Image1.jpg Image2.jpg
Создайте теги для всех изображений внутри images/ каталога:
# С Docker:# Изменить `Images` на любой ваш каталог изображений.
Создать теги для всех файлов в каталоге, соответствующем шаблону:
Найти изображения/ -name '*.jpg' | ./autotag -i -
Создайте список тегов в формате CSV, подходящего для импорта в ваш собственный экземпляр Danbooru:
./autotag -c -f -n Images/ | 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
Текущая модель-это Stock Resnet-152, предварительно подготовленная на ImageNet, а затем создан на Данбору около 10 эпох.
Модель обучена около 5500 тегов. Это включает в себя теги символов с> 750 сообщений, теги авторских прав с> 2000 посты и общие теги с> 2500 посты, но не артист или метаги. Рейтинги также включены.
Модель доступна по адресу https://github.com/danbooru/autotgger/releases.
https://github.com/kichangkim/deepdanbooru
https://github.com/smilingwolf/sw-cv-modelzoo
https://github.com/zyddnys/regdeepdanboru
https://github.com/rezoo/illustration2vec
https://www.gwern.net/danbooru2021
https://console.cloud.google.com/storage/browser/danbooru_public/data?project=danbooru1 (дамбуру датчики данных)
