Pedro21613/PS-IMAGE-1.0

PS IMAGE 1.0 (melhorado - HQ)

Modelo leve de classificação de imagens (MobileNetV2, 2.24M params, ~9MB). Treinado no dataset aberto CIFAR-10 (10 classes).

Acurácia: 94.10% no teste (antes 90.46%)

Melhorias v2:

• Input 128px (vs 96) - mais detalhe
• Mixup + RandAugment + RandomErasing + Label Smoothing
• Fine-tune a partir do checkpoint 90.46% + Cosine + AdamW + AMP
• Exemplos em alta qualidade 512px LANCZOS (sem blocos de pixel)

Uso

import torch
from torchvision.models import mobilenet_v2
import torchvision.transforms as T
from PIL import Image

CLASSES = ('aviao','carro','passaro','gato','cervo','cachorro','sapo','cavalo','navio','caminhao')
m = mobilenet_v2()
m.classifier[1] = torch.nn.Linear(m.last_channel, 10)
m.load_state_dict(torch.load("PS IMAGE 1.0.pth", map_location="cpu"))
m.eval()

tf = T.Compose([T.Resize((128,128)), T.ToTensor(),
  T.Normalize((0.4914,0.4822,0.4465),(0.2023,0.1994,0.2010))])
img = Image.open("sua_foto.jpg").convert("RGB")
pred = m(tf(img).unsqueeze(0)).argmax(1).item()
print(CLASSES[pred])

Arquivos:

• PS IMAGE 1.0.pth → state_dict PyTorch (v2 94.1%)
• pytorch_model.bin → mesmo peso (formato padrão HF)
• examples/ → imagens HQ geradas de exemplo (512px, sem pixels)
• usar_modelo.py → script de inferência

Exemplos HQ gerados (sem pixels, 512px LANCZOS)

Exemplos individuais em examples/ - 8/8 acertos:

• exemplo_HQ_1_cavalo.png (87.9%)
• exemplo_HQ_2_navio.png (89.4%)
• exemplo_HQ_3_navio.png (88.0%)
• exemplo_HQ_4_aviao.png (91.1%)
• exemplo_HQ_5_cervo.png (90.4%)
• exemplo_HQ_6_cavalo.png (86.8%)
• exemplo_HQ_7_cachorro.png (90.4%)
• exemplo_HQ_8_gato.png (51.9%)

Imagens 720p nítidas (1280x720, SD-Turbo)

Geradas com stabilityai/sd-turbo (difusão leve, 4 passos, FP16) em 1280x720, nítidas:

• generated_720p/720p_aviao.png, 720p_carro.png, 720p_gato.png, 720p_cachorro.png
• generated_720p/720p_navio.png, 720p_cavalo.png, 720p_passaro.png, 720p_caminhao.png

O classificador CIFAR-10 é 32x32 de origem (não tem detalhe para 720p real). Por isso as 720p são geradas por difusão leve + o classificador valida a classe.

Treino

AMP + AdamW(lr 5e-4) + Cosine + RandAugment + Mixup(0.4) + Erasing. 10 epochs a partir do checkpoint v1. Tesla T4.

Dataset: CIFAR-10 (MIT) via torchvision.