DraconicDragon/Kaloscope-onnx

Experimental ONNX conversion of kaloscope model.
These need a re-export because i didnt specify dynamic axes during export which probably locked the model behind batch size = 1; otherwise they seem to work perfectly fine
25th oct: replaced existing onnx files with new exports that use dynamo=False and dynamic_axes={"input": {0: "batch_size"}, "output": {0: "batch_size"},} - scores seems to be same as original pytorch model and dynamo=True export

🤗 Space Demo for ONNX & PyTorch inference implementation (incl. timm+lsnet; OpenVINO accelerate CPU inference; no Triton required - refer to ska.py or here)
Barebones standalone ONNX inference script (no timm or lsnet; scores are a tiny bit different - probably different img preprocessing): onnx_barebones_inference.py

• kaloscope_1-0.onnx: Exported from best_checkpoint.pth original Kaloscope release | dynamo=False, dynamic_axes={"input": {0: "batch_size"}, "output": {0: "batch_size"},}, opset_version=None (torch 2.8.0 used here defaults to 18 when None), optimization/constant folding enabled
• kaloscope_1-1.onnx: Exported from 224-85.65/best_checkpoint.pth aka v1.1 | Same settings as v1.0

Conversion/Export script: colab notebook
theres an extra pytorch ema only version (best_checkpoint_ema.pth) of the model which is roughly 4 times smaller but seems to output different results; did not do extensive tests. ONNX version recommended over this (script used: save_ema.py)

---

Original description:

LSNet 艺术家风格分类模型 Model Card

模型概述

模型名称: Kaloscope Artist Style Classification Model
模型版本: v1.0
发布日期: 2025年10月
模型类型: 图像分类 (艺术家风格识别)
架构: LSNet (See Large, Focus Small)

模型描述

本模型基于LSNet架构构建，专门用于识别和分类不同艺术家的绘画风格。LSNet是一个轻量级视觉模型，灵感来源于人类视觉系统的动态异尺度能力，即"看大局，聚焦细节"的特性。

架构特点

• 设计理念: 基于人类视觉系统的"See Large, Focus Small"原理
• 模型系列: 支持LSNet-T、LSNet-S、LSNet-B三种规模
• 参数量: 约100M参数
• 优化目标: 在保持高精度的同时实现高效推理

训练数据

数据来源

• 数据集: Danbooru数据集 (截止到2024年10月)
• 数据筛选: 选取图像数量在50张以上的艺术家
• 总分类数: 31,770个艺术家类别
• 数据采样策略:
  • 图像数量超过100张的艺术家：选取ID最靠后的100张图像
  • 图像数量50-100张的艺术家：使用全部图像

数据预处理

• 图像尺寸: 224×224像素
• 数据增强: 标准ImageNet预处理流程
• 验证集划分: 5%的数据用于验证

训练配置

硬件环境

• GPU配置: 8×H20 GPU
• 训练时长: 80个epoch
• 批次大小: 256 (每GPU)

训练参数

• 优化器: AdamW
• 学习率调度: Cosine Annealing
• 数据并行: 分布式训练 (8卡)
• 模型参数量: ~100M

性能指标

• 最终准确率: 84.2%
• 验证方式: Top-1准确率
• 评估数据: 验证集 (5%的数据)

模型性能

分类性能

指标	数值
Top-1 准确率	84.2%
总类别数	31,770
参数量	~100M
训练轮数	80 epochs

推理性能

• 输入格式: RGB图像，224×224像素
• 输出格式: 31,770维概率分布
• 推理速度: 高效推理 (具体数值取决于硬件)

使用方法

环境要求

pip install torch torchvision timm

基本使用

import torch
from timm.models import create_model
# 加载模型
model = create_model('lsnet_t_artist', pretrained=True, num_classes=31770)
model.eval()
# 推理
with torch.no_grad():
    output = model(input_tensor)
    probabilities = torch.softmax(output, dim=1)

Comfyui内使用

安装comfyui节点：https://github.com/spawner1145/comfyui-lsnet 下载本仓库模型即可使用

相关资源

• 论文: LSNet: See Large, Focus Small
• 代码仓库: (https://github.com/spawner1145/lsnet-test)
• 预训练模型: 可通过Hugging Face Hub获取

引用信息

@misc{wang2025lsnetlargefocussmall,
      title={LSNet: See Large, Focus Small}, 
      author={Ao Wang and Hui Chen and Zijia Lin and Jungong Han and Guiguang Ding},
      year={2025},
      eprint={2503.23135},
      archivePrefix={arXiv},
      primaryClass={cs.CV},
      url={https://arxiv.org/abs/2503.23135}, 
}

更新日志

v1.0 (2025年10月)

• 初始版本发布
• 基于Danbooru数据集训练
• 支持31,770个艺术家类别
• 达到84.2%的分类准确率

v1.1 (2025年10月)

• 150epoch
• 达到85.6%的分类准确率

---

免责声明: 本模型仅供研究和教育用途。在商业应用中使用时，请确保遵守相关法律法规和伦理准则。