license: apache-2.0
language:

• en
• zh
  tags:
• tiktok
• person-detection
• face-detection
• body-detection
• gguf
• mlp
• deep-learning
  metrics:
• accuracy
  base_model: []
  pipeline_tag: image-classification
  library_name: gguf

TikTok 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

人物类别

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):img=Image.open(image_path).convert('RGB')img=img.resize((64,64))arr=np.array(img,dtype=np.float32)/255.0# 提取12维特征gray=0.299*arr[:,:,0]+0.587*arr[:,:,1]+0.114*arr[:,:,2]brightness=np.mean(gray)# ... 完整的特征提取returnfeatures# 推理features=extract_features("video_thumbnail.jpg")features=(features-X_mean)/X_std# 前向传播z1=features @ W1+b1 a1=np.maximum(0,z1)z2=a1 @ W2+b2 a2=np.maximum(0,z2)z3=a2 @ W3+b3 a3=np.maximum(0,z3)z4=a3 @ W4+b4 pred=np.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

局限性

1. 标签为启发式规则生成，非人工标注
2. 肤色检测受光照条件影响
3. 仅基于缩略图分析，未使用视频时序信息
4. 无法识别多个人物或人物身份

License

Apache 2.0

license: apache-2.0
language:

• en
• zh
  tags:
• tiktok
• scene-detection
• video-analysis
• gguf
• mlp
• deep-learning
  metrics:
• accuracy
  base_model: []
  pipeline_tag: image-classification
  library_name: gguf

TikTok 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

场景类别

输入特征 (12维)

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magic=struct.unpack('<I',f.read(4))[0]version=struct.unpack('<I',f.read(4))[0]n_tensors=struct.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):img=Image.open(image_path).convert('RGB')img=img.resize((64,64))arr=np.array(img,dtype=np.float32)/255.0# 提取12维特征...returnfeatures# 推理features=extract_features("video_thumbnail.jpg")features=(features-X_mean)/X_std# 前向传播z1=features @ W1+b1 a1=np.maximum(0,z1)z2=a1 @ W2+b2 a2=np.maximum(0,z2)z3=a2 @ W3+b3 a3=np.maximum(0,z3)z4=a3 @ W4+b4 pred=np.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

局限性

1. 标签为启发式规则生成，非人工标注
2. 仅基于缩略图分析，未使用视频时序信息
3. 8类场景覆盖有限，未包含所有可能场景
4. 仅适用于TikTok类短视频平台内容

License

Apache 2.0