license: apache-2.0language:enzhtags:tiktokperson-detectionface-detectionbody-detectionggufmlpdeep-learningmetrics:accuracybase_model: []pipeline_tag: image-classificationlibrary_name: ggufTikTok 视频人物检测模型模型简介基于深度MLP多层感知器的TikTok视频人物检测模型能够检测视频中是否存在人物以及人物的身体和脸部特征。模型架构输入层: 12维手工特征 ↓ 标准化 (X - mean) / std 隐藏层1: 2048神经元 (ReLU激活) ↓ 隐藏层2: 1024神经元 (ReLU激活) ↓ 隐藏层3: 512神经元 (ReLU激活) ↓ 输出层: 4类 (Softmax)模型规格项目数值架构Deep MLP 4层参数量2,651,652模型大小10.12 MB模型格式GGUF v3输入特征12维输出类别4类准确率100.00%优化器Adam学习率0.005训练轮数300 (提前停止)人物类别ID类别说明0no_person无人1face_only仅人脸2body_only仅身体3face_and_body人脸身体检测特征模型通过分析以下特征来检测人物的身体和脸部脸部检测特征肤色像素比例 (YCbCr颜色空间)中心区域亮度 (脸部通常位于中心)身体检测特征肤色区域分布范围整体图像亮度分布辅助特征平均亮度、颜色饱和度、RGB通道均值边缘密度、对比度、纹理复杂度暖色调比例、垂直边缘比例GGUF文件结构模型包含10个张量W1 (12×2048), b1 (2048)W2 (2048×1024), b2 (1024)W3 (1024×512), b3 (512)W4 (512×4), b4 (4)X_mean (12) - 输入标准化均值X_std (12) - 输入标准化标准差使用方法importnumpyasnpimportstructfromPILimportImage# 提取图像特征defextract_features(image_path):imgImage.open(image_path).convert(RGB)imgimg.resize((64,64))arrnp.array(img,dtypenp.float32)/255.0# 提取12维特征gray0.299*arr[:,:,0]0.587*arr[:,:,1]0.114*arr[:,:,2]brightnessnp.mean(gray)# ... 完整的特征提取returnfeatures# 推理featuresextract_features(video_thumbnail.jpg)features(features-X_mean)/X_std# 前向传播z1features W1b1 a1np.maximum(0,z1)z2a1 W2b2 a2np.maximum(0,z2)z3a2 W3b3 a3np.maximum(0,z3)z4a3 W4b4 prednp.argmax(z4)print(f人物类别:{PERSON_CLASSES[pred]})训练数据数据来源: Archive.org TikToks集合 (https://archive.org/details/tiktoks)训练样本: 287个 (4类,每类最多80个)标签生成: 基于肤色检测和图像特征的启发式规则训练过程EpochLossAccuracy19.078432.06%200.129398.61%400.0006100.00% (停止)局限性标签为启发式规则生成非人工标注肤色检测受光照条件影响仅基于缩略图分析未使用视频时序信息无法识别多个人物或人物身份LicenseApache 2.0license: apache-2.0language:enzhtags:tiktokscene-detectionvideo-analysisggufmlpdeep-learningmetrics:accuracybase_model: []pipeline_tag: image-classificationlibrary_name: ggufTikTok 视频场景检测模型模型简介基于深度MLP多层感知器的TikTok视频场景检测模型能够对TikTok视频缩略图进行8类场景分类。模型架构输入层: 12维手工特征 ↓ 标准化 (X - mean) / std 隐藏层1: 2048神经元 (ReLU激活) ↓ 隐藏层2: 1024神经元 (ReLU激活) ↓ 隐藏层3: 512神经元 (ReLU激活) ↓ 输出层: 8类 (Softmax)模型规格项目数值架构Deep MLP 4层参数量2,653,704模型大小10.12 MB模型格式GGUF v3输入特征12维输出类别8类准确率99.79%优化器Adam学习率0.005训练轮数300 (提前停止)场景类别ID类别说明0indoor室内场景1outdoor室外场景2urban城市场景3nature自然场景4night夜景5stage舞台场景6sports运动场景7restaurant餐厅场景输入特征 (12维)特征说明0平均亮度1颜色饱和度2-4RGB通道均值5边缘密度6中心区域亮度7肤色像素比例8对比度9纹理复杂度10暖色调比例11垂直边缘比例GGUF文件结构模型包含10个张量W1 (12×2048), b1 (2048)W2 (2048×1024), b2 (1024)W3 (1024×512), b3 (512)W4 (512×8), b4 (8)X_mean (12) - 输入标准化均值X_std (12) - 输入标准化标准差使用方法importnumpyasnpimportstructfromPILimportImage# 加载GGUF模型defload_gguf_model(gguf_path):withopen(gguf_path,rb)asf:# 读取GGUF头部magicstruct.unpack(I,f.read(4))[0]versionstruct.unpack(I,f.read(4))[0]n_tensorsstruct.unpack(Q,f.read(8))[0]# ... 解析元数据和张量returnmodel# 提取图像特征defextract_features(image_path):imgImage.open(image_path).convert(RGB)imgimg.resize((64,64))arrnp.array(img,dtypenp.float32)/255.0# 提取12维特征...returnfeatures# 推理featuresextract_features(video_thumbnail.jpg)features(features-X_mean)/X_std# 前向传播z1features W1b1 a1np.maximum(0,z1)z2a1 W2b2 a2np.maximum(0,z2)z3a2 W3b3 a3np.maximum(0,z3)z4a3 W4b4 prednp.argmax(z4)print(f场景类别:{SCENE_CLASSES[pred]})训练数据数据来源: Archive.org TikToks集合 (https://archive.org/details/tiktoks)训练样本: 487个 (8类,每类最多80个)标签生成: 基于图像手工特征的启发式规则训练过程EpochLossAccuracy16.394260.99%200.178798.15%400.085299.79% (停止)局限性标签为启发式规则生成非人工标注仅基于缩略图分析未使用视频时序信息8类场景覆盖有限未包含所有可能场景仅适用于TikTok类短视频平台内容LicenseApache 2.0