image ranker

อันดับรูปภาพ

คุณสมบัติหลัก

• อัลกอริทึม TrueSkill ELO อัลกอริธึมขั้นสูงที่คำนึงถึงความไม่แน่นอนในการให้คะแนนและอัปเดตอันดับ ทั่วโลก หลังการเปรียบเทียบแต่ละครั้งตั้งแต่นั้นเป็นต้นมา $เอ > บี$ และ $B > ซี$ แล้วเราก็อนุมานได้ $เอ > ซี$ - ทำให้ได้ผลลัพธ์ที่แม่นยำเร็วกว่าอัลกอริทึม ELO ทั่วไปมาก
• การเร่งความเร็วการจัดอันดับขั้นสูงต่างๆ
  • การกำจัดตามลำดับ ทางเลือกในการจัดอันดับ $เอ็น$ รูปภาพใน $คณิตศาสตร์{O}(N)$ -เวลามากกว่า $คณิตศาสตร์{O}(N times (N-1)/2)$ โดยการตัดภาพออกจากอันดับที่ถูกโหวตลง
  • สับเปลี่ยนอย่างชาญฉลาด สุ่มภาพทั้งหมดเพื่อลดความไม่แน่นอนของการจัดอันดับให้เร็วที่สุด
  • สุ่มอัตโนมัติ ใช้การสับเปลี่ยนอัจฉริยะทุกๆ การเปรียบเทียบสามครั้งโดยอัตโนมัติ
• เว็บ GUI เพื่อการใช้งานง่าย
• เลือกรูปภาพจากไดเร็กทอรีในเครื่องโดยไม่จำเป็นต้องอัปโหลดหรือย้าย
• ส่งออกและบันทึกข้อมูลการจัดอันดับเป็น CSV ดำเนินการต่อได้ตลอดเวลา

การติดตั้งและการใช้งาน

1. โคลนที่เก็บ:

    git clone https://github.com/QuentinWach/image-ranker.git
   cd image-ranker
   

2. สร้างสภาพแวดล้อมเสมือน (เป็นทางเลือก แต่แนะนำ):

    python -m venv venv
   source venv/bin/activate  # On Windows, use `venvScriptsactivate`
   

3. ติดตั้งการพึ่งพาที่จำเป็น:

    pip install flask trueskill
   

4. เรียกใช้แอป Flask: python app.py
5. เปิดเว็บเบราว์เซอร์แล้วไปที่ http://localhost:5000

---

❓ มันทำงานอย่างไร

ทรูสกิล ELO

แต่ละภาพจะแสดงด้วยค่าสองค่า:

• μ (mu): ระดับ "ทักษะ" โดยประมาณ
• σ (ซิกมา): ความไม่แน่นอนในการประมาณนั้น

รายการใหม่เริ่มต้นด้วยค่าเริ่มต้น μ ​​(มักจะเป็น 25 แต่เป็น 0 ที่นี่) และสูง σ (มักจะเป็น 8.33) เมื่อเปรียบเทียบสองรายการ ค่า μ และ σ จะถูกนำมาใช้ในการคำนวณผลลัพธ์ที่คาดหวัง ผลลัพธ์ที่แท้จริงจะถูกเปรียบเทียบกับความคาดหวังนี้ μของผู้ชนะจะเพิ่มขึ้น ผู้แพ้จะลดลง โดยปกติแล้ว σ ของทั้งสองรายการจะลดลง (แสดงถึงความมั่นใจที่เพิ่มขึ้น) ขนาดของการเปลี่ยนแปลงขึ้นอยู่กับ:

• ผลลัพธ์ที่ได้ช่างน่าประหลาดใจเพียงใด (ขึ้นอยู่กับเรตติ้งในปัจจุบัน)
• ความไม่แน่นอนปัจจุบัน (σ) ของแต่ละรายการ

ใช้การแจกแจงแบบเกาส์เซียนในการจำลองระดับทักษะ และใช้กราฟปัจจัยและการส่งข้อความเพื่อการอัปเดตที่มีประสิทธิภาพ โดยทั่วไปรายการต่างๆ จะได้รับการจัดอันดับตาม μ - 3σ (การประมาณการแบบอนุรักษ์นิยม)

ที่สำคัญ อัลกอริธึมจะอัปเดตรายการจัดอันดับก่อนหน้านี้ทั้งหมดพร้อมกันกับทุกการเปรียบเทียบ แทนที่จะอัปเดตเฉพาะรูปภาพใหม่ ซึ่งหมายความว่าอัลกอริทึมสามารถพิจารณาข้อมูลทั้งหมดที่มีจากการเปรียบเทียบ ไม่ใช่แค่การเปรียบเทียบแบบคู่เท่านั้น

ดังนั้น โดยรวมแล้ว ระบบนี้ช่วยให้สามารถจัดอันดับได้อย่างมีประสิทธิภาพโดยมีข้อมูลการเปรียบเทียบที่ไม่สมบูรณ์ ทำให้เหมาะสำหรับชุดสินค้าขนาดใหญ่ที่การเปรียบเทียบแบบคู่อย่างละเอียดถี่ถ้วนทำไม่ได้!

การกำจัดตามลำดับ

คุณมีตัวเลือกในการเปิดใช้ การกำจัดตามลำดับ เพื่อจัดอันดับ $เอ็น$ รูปภาพใน $คณิตศาสตร์{O}(N)$ -เวลามากกว่า $คณิตศาสตร์{O}(N times (N-1)/2)$ โดยการตัดภาพออกจากอันดับที่ถูกโหวตลง นี่เป็นตัวเลือกที่ดีเมื่อคุณมีรูปภาพจำนวนมากและจำเป็นต้องจัดอันดับอย่างรวดเร็ว นอกจากนี้ยังเป็นขั้นตอนแรกที่ดีในการดูภาพรวมคร่าวๆ ของการจัดอันดับรูปภาพ จากนั้นปิดใช้งานคุณลักษณะนี้เพื่อรับการจัดอันดับที่แม่นยำยิ่งขึ้นเมื่อคุณดำเนินการต่อ

อัจฉริยะและสลับอัตโนมัติ

คุณสามารถสุ่มคู่ภาพด้วยตนเองได้ตลอดเวลาโดยคลิกปุ่มสุ่มหรือสุ่มโดยอัตโนมัติทุกๆ การเปรียบเทียบสามครั้ง สิ่งนี้มีประโยชน์หากคุณต้องการลดความไม่แน่นอนของการจัดอันดับให้เหลือน้อยที่สุดให้เร็วที่สุด รูปภาพที่ได้รับการจัดอันดับไม่กี่ครั้งและมีความไม่แน่นอนสูง σ จะได้รับการจัดลำดับความสำคัญ ด้วยวิธีนี้ คุณจะไม่เสียเวลาในการจัดอันดับรูปภาพที่คุณมั่นใจอยู่แล้ว แต่สามารถจัดอันดับรูปภาพได้แม่นยำยิ่งขึ้นและได้คะแนนใกล้เคียงกันเร็วขึ้น

---

เกี่ยวกับ

Image Ranker เป็นส่วนหนึ่งของความพยายามโดยรวมในการช่วยให้ทุกคนสามารถสร้างโมเดล พื้นฐาน ของตนเองที่ปรับแต่งตามความต้องการเฉพาะของพวกเขาได้

โมเดลพื้นฐานหลังการฝึกอบรมคือสิ่งที่ทำให้มีประโยชน์จริง ๆ ตัวอย่างเช่น โมเดลที่ใช้ภาษาขนาดใหญ่อาจไม่สามารถพูดคุยกับคุณได้หากไม่มีการฝึกอบรมหลังการฝึกอบรม เช่นเดียวกับภาพ ในการทำเช่นนั้น เทคนิคทั่วไปคือ RLHF ซึ่งใช้แบบจำลองการให้รางวัลเพื่อให้รางวัลหรือลงโทษผลลัพธ์ของแบบจำลองพื้นฐานกำเนิดตามความต้องการของผู้ใช้ ในการสร้างโมเดลรางวัลนี้ เราจำเป็นต้องทราบการตั้งค่าของผู้ใช้ซึ่งต้องใช้ชุดข้อมูล ตามรูปภาพนี้ ดังนั้น ไม่ว่าจะเป็นการเปลี่ยนแปลงครั้งใหญ่กับโมเดลที่มีอยู่แล้ว เช่น Stable Diffusion หรือ Flux หรือฝึกฝนโมเดลของคุณเอง สิ่งสำคัญคือต้องสามารถจัดอันดับรูปภาพได้เพื่อให้รู้ว่ารูปภาพไหนดีกว่ากัน นี่คือที่มาของแอพนี้

มีส่วนร่วม

หากคุณมีคำถามใดๆ โปรดเปิดปัญหาบน GitHub! และอย่าลังเลที่จะแยกโปรเจ็กต์นี้ เพื่อแนะนำหรือสนับสนุนฟีเจอร์ใหม่ๆ ไฟล์ OPEN_TODO.md มีรายการคุณลักษณะที่วางแผนจะนำไปใช้ ความช่วยเหลือได้รับการชื่นชมอย่างมาก! ที่กล่าวว่าวิธีที่ง่ายที่สุดในการสนับสนุนโครงการคือการ ให้ repo นี้ !

ขอบคุณ!