К содержимому
Другое

Alphabet-Sign-Language-Detection

распознавание дактилогического алфавита

1 мин чтенияобновлено

Модель предназначена для классификации изображений рук, показывающих буквы жестового языка (дактиль). Она создана на базе архитектуры SiglipForImageClassification (на основе базовой модели google/siglip2-base-patch16-224) и умеет распознавать все 26 букв английского алфавита от A до Z. Решение пригодится для разработки приложений по изучению жестового языка, учебных проектов и инструментов повышения доступности для людей с нарушениями слуха.

Ключевые особенности

  • Точная классификация изображений на 26 категорий (буквы от A до Z).
  • Построена на базе современной модели google/siglip2-base-patch16-224.
  • Продемонстрировала высокую точность (accuracy 0.9996) на тестовом наборе данных.
  • Интеграция с библиотекой transformers для быстрой работы.

Что можно сделать

  • Создать интерактивное веб-приложение на Gradio для проверки жестов с веб-камеры.
  • Использовать в обучающих платформах для помощи тем, кто учит дактилогический алфавит.
  • Внедрить в приложения для улучшения доступности и перевода жестового языка.

Пример

import torch
from transformers import AutoImageProcessor, SiglipForImageClassification
from PIL import Image

model_name = "robertbschuette/Alphabet-Sign-Language-Detection"
model = SiglipForImageClassification.from_pretrained(model_name)
processor = AutoImageProcessor.from_pretrained(model_name)

image = Image.open("sign.jpg").convert("RGB")
inputs = processor(images=image, return_tensors="pt")

with torch.no_grad():
    outputs = model(**inputs)
    logits = outputs.logits
    predicted_class_idx = logits.argmax(-1).item()
print(f"Predicted class: {predicted_class_idx}")
ПодробнееБазовая модель: google/siglip2-base-patch16-224
Архитектура: SiglipForImageClassification (0.09B параметров)
Количество классов: 26 (буквы A–Z)
Метрики на тесте: accuracy 0.9996, macro avg f1-score 0.9995 (на 121,769 примерах)
Библиотека: transformers
Примеры
Обсудить Telegram 0 19

Запустится ли?

Запустится в F32

Влезает без сжатия.

  • F32веса 0.3 GB · готовые файлы0.9 GB
  • BF16веса 0.2 GB0.7 GB
  • FP8 / INT8рекомендуемвеса 0.1 GB0.6 GB
  • 4-bitвеса 0.0 GB0.6 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · F32 — от RTX 2060

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # robertbschuette/Alphabet-Sign-Language-Detection
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download robertbschuette/Alphabet-Sign-Language-Detection --local-dir ~/models/Alphabet-Sign-Language-Detection
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к Alphabet-Sign-Language-Detection
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Дообучение модели

google/siglip2-base-patch16-224

Новые посты про версии siglip2-base-patch16-224 — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face

О модели

robertbschuette/Alphabet-Sign-Language-Detection
Автор
robertbschuette
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

190

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии