К содержимому
Другое

FER2013-Project

распознавание эмоций по лицу прямо в браузере

2 мин чтенияобновлено

Проект от разработчика Wizzas объединяет четыре классификатора мимики, обученных на датасете FER2013: кастомную свёрточную сеть (Custom CNN) и три модели на базе transfer learning (перенос обучения) — ResNet50, MobileNetV2 и VGG16. На вход модели принимают обрезанное лицо 48×48 пикселей и выдают вероятности для семи базовых эмоций: злость, отвращение, страх, радость, нейтральное выражение, грусть и удивление. Все чекпоинты сконвертированы из Keras в формат ONNX (универсальный формат для запуска нейросетей), поэтому работают локально на устройстве пользователя без отправки фото на сервер. Подойдёт для экспериментов с компьютерным зрением, сравнения архитектур и встраивания лёгкой аналитики мимики в веб-приложения.

Ключевые особенности

  • Сравнение четырёх архитектур: кастомная CNN обошла тяжёлые предобученные сети по точности на тесте и весит всего 5.25 МБ.
  • Полностью клиентский инференс: модели в формате float32 ONNX запускаются через ONNX Runtime Web прямо в браузере без бэкенда на Python.
  • Встроенный поиск лиц: в веб-демо используется детектор OpenCV YuNet, а в десктопном скрипте main.py — каскады Хаара (Haar cascade).
  • Подробная аналитика обучения: в репозитории сохранены матрицы ошибок, ROC-кривые и визуализации Grad-CAM (тепловые карты внимания нейросети).

Что можно сделать

  • Протестировать распознавание мимики в реальном времени с веб-камеры или на загруженных фото через статическое веб-приложение.
  • Встроить лёгкий ONNX-файл Custom CNN (5.25 МБ) в собственный фронтенд или десктоп-сервис на OpenCV с открытой лицензией MIT.
  • Воспроизвести обучение в Jupyter-ноутбуках на TensorFlow/Keras и сравнить поведение разных архитектур на своих данных.

Пример

py -m http.server 8000 --directory .\project_demo
ПодробнееТочность на тесте FER2013 (7 178 изображений): Custom CNN — 66.00%, ResNet50 — 61.23%, MobileNetV2 — 60.34%, VGG16 — 60.13%.
Размер ONNX-моделей: от 5.25 МБ (Custom CNN) до 96.31 МБ (ResNet50).
Ограничения: модели определяют только визуальный паттерн мимики, а не реальное внутреннее состояние человека; качество зависит от освещения и ракурса.
Лицензия: MIT.
Обсудить Telegram 0 6

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.0 GB · готовые файлы0.5 GB
  • FP8 / INT8рекомендуемвеса 0.0 GB0.5 GB
  • 4-bitвеса 0.0 GB0.5 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 · BF16 — 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.

    # Wizzas/FER2013-Project
    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 Wizzas/FER2013-Project --local-dir ~/models/FER2013-Project
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к FER2013-Project
  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

Новые посты про версии FER2013-Project — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

Wizzas/FER2013-Project
Автор
Wizzas
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

60

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Языковые модели

Project Genesis

Project Genesis
Другое

LeafLens

LeafLens