Chihuahua

Chihuahua — компактная student-модель на 6,56 млн параметров (13,4 МБ в fp16), которая по фотографии лица оценивает ступень шкалы Monk Skin Tone (MST 1–10) и возвращает распределение вероятностей по всем десяти ступеням. Это дистилляция тяжёлого учителя r5 (ансамбль из трёх CLIP ViT-L/14), обученная с нуля без сторонних предобученных весов. Работает локально на CPU, около 32 мс на лицо.

⚡ Ключевые особенности

• ⚡ 6,56 млн параметров и 13,4 МБ в fp16 — в 130–260 раз меньше учителя r5 (3,5 ГБ).
• 🎯 В пределах ±1 ступени: 75,4 % на FACET blind и 91,8 % на STW test; у учителя — 80,9 % и 93,4 %.
• 🧊 Около 32 мс на лицо на CPU (Ryzen 9 7900X, 4 потока, два прохода).
• 🩻 На входе — квадратный кроп 224×224 вокруг лица и маска кожи; модель предсказывает распределение по 10 ступеням, ответ — среднее.
• 🛑 Слабое место — тёмная кожа: 64,7 % на FACET blind; тусклый свет и блики тоже мешают.
• 💵 Веса под CC BY-NC 4.0 — только некоммерческое использование; код под MIT.

💡 Пример

from chihuahua import Chihuahua

with Chihuahua(fp16=True) as model:
    for face in model.predict_file("selfie.jpg"):
        print(face.step)
        print(face.mst)
        print(face.probabilities)

Подробнее

Точность в пределах ±1 ступени: FACET blind — 75,4 %, STW test — 91,8 %; у учителя — 80,9 % и 93,4 %.
Размер: 13,4 МБ fp16 / 26,6 МБ fp32, 6,56 млн параметров; на CPU около 32 мс на лицо.
Слабое место — тёмная кожа: 64,7 % на FACET blind, ответы смещаются к середине шкалы; тусклый свет и блики тоже усложняют оценку.
Веса — CC BY-NC 4.0, только некоммерческое использование; код — MIT. Модель не предназначена для решений о людях.