autotagger
1.0.0
动漫风格图像的标签预测系统。
在https://autotagger.donmai.us上尝试一下。
或访问https://danbooru.donmai.us/ai_tags在Danbooru上的所有帖子上浏览预测标签。以下是不同标签的一些示例：
https://danbooru.donmai.us/ai_tags?search [tag_name] = comic&search [order] = score_desc
https://danbooru.donmai.us/ai_tags?search [tag_name] = hatsune_miku&search [orderd]
https://danbooru.donmai.us/ai_tags?search [tag_name] = cat＆search [order] = 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
启动应用程序服务器：
＃与Dockerdocker Run -RM -P 5000：5000 GHCR.IO/Danbooru/autotagger#无dockerpython -m诗歌运行gunicorn
然后打开http：// localhost：5000用于使用WebApp。在这里，您可以上传图像并查看预测标签的列表。
如上所述启动应用程序服务器，然后执行：
curl http：// localhost：5000/evaluate -x post -f file =@hatsune_miku.jpg -f格式= json
输出看起来像这样：
[
{“ filename”：“ hatsune_miku.jpg”，“标签”：{“ 1girl”：0.99995526671409607，“ hatsune_miku”：0.999521616131210327， ，“大腿”：0.970325767993927，“ long_hair”： 0.963035569381714，“ twintails”：0.9352861046791077，“ heyte_long_hair”：0.853290200234595 eves“：0.796751081943512，“裙子”：0.7879447340965271，“评级：S”：0.7843148112297058，“ aquaa_eyes”： 0.6136178374290466，“ zettai_ryouiki”：0.5611224174499512，“ thigh_boots”：0.3745302579452515，“ _background“：0.28789788484573364，“靴子”：0.286143958568573，“耳机”：0.27902844548225403，“ White_background”：0.234441512882709503，“ “衬衫”：0.2172034887504578，“ fooke_at_viewer”：0.2044636756181717，“ pleated_skirt”：0.17705336213111877，“微笑” 9，“耳机”：0.16347116231918335，“站立”：0.155511766076087952，“评分：G”：0.13711321353912354， “ aqua_necktie”：0.11798079311847687，“ black_skirt”：0.11197035759687424，“ Blush”：0.10813453793525696}
}
这是给出的生成单个图像的标签：
＃与Docker：Cat Image.jpg | docker run -rm ghcr.io/danbooru/autotagger autotag-＃没有docker：./ autotag image.jpg
生成多个图像的标签：
＃with docker：＃`-v $ pwd：/host`表示当前目录在docker container.docker run -rm -v $ pwd：/host ghcr.io/danbooru/autotagger autotag autotag/host/host/host/host/host/ image1.jpg/host/image2.jpg#没有docker：./ autotag image1.jpg image2.jpg
为images/目录中的所有图像生成标签：
＃与Docker：＃更改图像目录的任何称为toce.docker run -rm -v $ pwd/images：/images ghcr.io/danbooru/autotagger autotagg autotag/autotag/images note docker note docker：./ autotag Images/autotag Images/
为与模式匹配的目录中的所有文件生成标签：
查找图像/ -Name'*.jpg'| ./autotag -i-
以CSV格式生成标签列表，适用于您自己的Danbooru实例：
./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
当前的模型是库存RESNET-152，在ImageNet上预估计，然后在Danbooru上进行了大约10个时期。
该模型在约5500个标签上进行了培训。这包括带有> 750帖子的字符标签，带有> 2000帖子的版权标签以及带有> 2500帖子的一般标签，但没有艺术家或元标记。还包括评分。
该模型可在https://github.com/danbooru/autotagger/releases上找到。
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 data umps）
