README.md

---
language:
- ru
- en
license: apache-2.0
library_name: timm
tags:
- image-classification
- manuscript
- bookbinding
- cultural-heritage
- digital-humanities
- convnext
- dinov2
- fine-tuned
pipeline_tag: image-classification
---

# Kleine-Marchen — Binding Detector (ConvNeXt-Tiny)

Модель на базе **ConvNeXt-Tiny (ImageNet-22k)** для определения, является ли изображение фотографией переплёта рукописи.

Используется как **первая ступень** в двухэтапном пайплайне классификации переплётов рукописей РГБ.

---

## Назначение

Бинарная классификация:

- **Класс 1 — переплёт**: изображение является фотографией крышки переплёта рукописи
- **Класс 0 — не переплёт**: страница текста, разворот, предметная съёмка и т.д.

Модель решает задачу фильтрации при массовом скачивании изображений из цифровых архивов рукописей, где первые страницы оцифровки содержат как переплёты, так и текстовые страницы.

---

## Метрики

Оценка проводилась на тестовом датасете из 1661 изображения (1136 переплётов + 525 не-переплётов) с применением TTA (5 трансформаций).

| Метрика | Значение |
| --- | --- |
| Accuracy | **92.53%** |
| F1-macro | **0.9139** |
| Precision | 0.9127 |
| Recall | 0.9152 |

**Confusion Matrix:**

|  | Предсказано: не-переплёт | Предсказано: переплёт |
| --- | --- | --- |
| **Реально: не-переплёт** | 466 | 59 |
| **Реально: переплёт** | 65 | 1071 |

**Метрики на уверенных предсказаниях (confidence ≥ 0.6):**

| Метрика | Значение |
| --- | --- |
| Доля уверенных предсказаний | 60.7% (1009 из 1661) |
| Accuracy | **97.13%** |
| F1-macro | **0.9689** |

Использование порога уверенности позволяет автоматически делегировать сомнительные случаи на ручную проверку, при этом на уверенно классифицированных изображениях модель достигает точности выше 97%.

---

## Данные

- **Источник**: фотографии из цифровых фондов РГБ
- **Размер обучающей выборки**: ~525 изображений на каждый класс (75/25 hold-out validation)
- **Классы**: переплёт / не переплёт (страницы текста, развороты, обложки-папки)
- **Разрешение при обучении**: 320×320 px

---

## Архитектура

**Базовая модель**: `convnext_tiny.fb_in22k` (ImageNet-22k pretrain, 28M параметров)

**Стратегия обучения**: fine-tuning только классификационной головы при замороженном бэкбоне. Полная разморозка слоёв приводила к коллапсу обучения из-за ограниченного размера датасета.

**Параметры обучения**:
- Оптимизатор: AdamW (lr=3e-5, weight_decay=1e-4)
- Scheduler: CosineAnnealingLR
- Loss: CrossEntropyLoss
- Batch size: 16
- Mixed precision training (AMP)

**Аугментации** (Albumentations): RandomResizedCrop, HorizontalFlip, RandomRotate90, ShiftScaleRotate, ColorJitter, GridDistortion, GaussianBlur, ToGray.

---

## Использование

Готовые скрипты доступны в репозитории:

**<https://github.com/Infarondus/Kleine-marchen>**

### Быстрый старт

```python
import torch
import timm
import numpy as np
from PIL import Image
import albumentations as A
from albumentations.pytorch import ToTensorV2

IMAGE_SIZE = 320

transform = A.Compose([
    A.LongestMaxSize(max_size=IMAGE_SIZE),
    A.PadIfNeeded(min_height=IMAGE_SIZE, min_width=IMAGE_SIZE,
                  border_mode=0, value=[255, 255, 255]),
    A.Normalize(mean=[0.485, 0.456, 0.406],
                std=[0.229, 0.224, 0.225]),
    ToTensorV2(),
])

device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
model  = timm.create_model('convnext_tiny_in22k', pretrained=False, num_classes=2)
ckpt   = torch.load('kleine-marchen_preprocess.pth', map_location=device, weights_only=False)
model.load_state_dict(ckpt['model_state_dict'])
model.to(device).eval()

img    = np.array(Image.open('page.jpg').convert('RGB'))
tensor = transform(image=img)['image'].unsqueeze(0).to(device)
with torch.no_grad():
    probs = torch.softmax(model(tensor), dim=1)[0]

print(f"Не переплёт: {probs[0]:.1%} | Переплёт: {probs[1]:.1%}")
```

---

## Место в пайплайне

Эта модель используется совместно с `binding-srednik-dinov2`:
Изображение → [ConvNeXt: переплёт?] → [DINOv2: есть средник?] → Результат
Скрипт двухступенчатого скрапера `scrape_bindings_v2.py` из репозитория **Kleine-Marchen** реализует этот пайплайн полностью.

---

## Ограничения

- Не предназначена для определения типа переплёта или его элементов — только факт наличия переплёта на снимке
- При сильно нестандартных условиях съёмки (белый фон, крупный план фрагмента) точность может снижаться
- Около 39% входных изображений модель помечает как «сомнительные» (confidence < 0.6) — эти случаи рекомендуется проверять вручную или пропускать (так как большая часть пограничных случаев не является переплётом)

---

# Kleine-Marchen — Binding Srednik Detector (DINOv2 Ensemble)

Ансамбль из 5 моделей на базе **DINOv2 ViT-Small** для классификации переплётов рукописей по наличию **средника** — центрального декоративного элемента крышки переплёта.

Модель разработана в рамках исследования рукописного фонда Российской государственной библиотеки (РГБ).

---

## Назначение

Модель решает задачу бинарной классификации изображений переплётов:

- **Класс 1 — со средником**: на крышке переплёта присутствует средник
- **Класс 0 — без средника**: средник отсутствует

Модель предназначена для автоматической предварительной сортировки больших коллекций фотографий переплётов рукописей. Окончательная верификация результатов производится специалистом.

---

## Метрики

Оценка проводилась на полном датасете из 1136 изображений (568 со средником + 568 без средника) с применением ансамбля 5 моделей и TTA (5 трансформаций) — итого 25 предсказаний на изображение.

| Метрика | Значение |
| --- | --- |
| Accuracy | **93.66%** |
| F1-macro | **0.9366** |
| Precision | 0.9368 |
| Recall | 0.9366 |

**Confusion Matrix:**

|  | Предсказано: без средника | Предсказано: со средником |
| --- | --- | --- |
| **Реально: без средника** | 537 | 31 |
| **Реально: со средником** | 41 | 527 |

**Анализ ошибок:**
- Всего ошибочных предсказаний: 72
- False positive (без средника принят за со средником): 31
- False negative (со средником принят за без средника): 41
- Сомнительных предсказаний (confidence < 0.7): 123 (10.8% датасета)

Симметричное распределение ошибок указывает на отсутствие смещения модели в сторону одного из классов.

---

## Данные

- **Источник**: фотографии переплётов рукописей из цифровых фондов РГБ
- **Размер обучающей выборки**: 568 изображений на каждый класс (1136 итого)
- **Формат**: цветные фотографии переплётов
- **Разрешение при обучении**: 280×280 px

Датасет собирался итеративно: после каждого цикла обучения производился анализ ошибок и доразметка сложных случаев (изношенные переплёты, пограничные экземпляры).

---

## Архитектура

**Базовая модель**: `vit_small_patch14_dinov2.lvd142m` (DINOv2 ViT-Small, 22M параметров, предобучен self-supervised на LVD-142M — 142 миллиона курированных изображений)

**Голова классификатора**:
LayerNorm(384) → Linear(384→256) → GELU → Dropout(0.3) → Linear(256→2)
**Стратегия обучения**: двухфазный fine-tuning

- Фаза 1 (6 эпох): обучение только головы, LR = 5e-4
- Фаза 2 (20 эпох): голова + последние 4 блока ViT, дифференциальный LR (голова: 3e-5, бэкбон: 2e-6)

**Регуляризация**: drop_path_rate = 0.1, dropout = 0.3, label smoothing = 0.05

**Ансамбль**: 5 моделей (по одной на каждый фолд 5-fold стратифицированной кросс-валидации) с усреднением softmax-вероятностей.

**TTA**: 5 трансформаций (оригинал, horizontal flip, vertical flip, resize ×1.05 + center crop, brightness/contrast jitter).

---

## Использование

Готовые скрипты для обучения, оценки и инференса доступны в репозитории:

**<https://github.com/Infarondus/Kleine-marchen>**

### Быстрый старт

```python
import torch
import torch.nn as nn
import torch.nn.functional as F
import timm
import numpy as np
from PIL import Image
import albumentations as A
from albumentations.pytorch import ToTensorV2

MODEL_NAME   = 'vit_small_patch14_dinov2.lvd142m'
IMAGE_SIZE   = 280
DINO_MEAN    = [0.485, 0.456, 0.406]
DINO_STD     = [0.229, 0.224, 0.225]

def build_model():
    backbone = timm.create_model(
        MODEL_NAME, pretrained=False, num_classes=0,
        img_size=IMAGE_SIZE, dynamic_img_size=True,
    )
    head = nn.Sequential(
        nn.LayerNorm(backbone.embed_dim),
        nn.Linear(backbone.embed_dim, 256),
        nn.GELU(),
        nn.Dropout(0.3),
        nn.Linear(256, 2),
    )
    class DinoClassifier(nn.Module):
        def __init__(self, b, h):
            super().__init__()
            self.backbone, self.head = b, h
        def forward(self, x):
            return self.head(self.backbone(x))
    return DinoClassifier(backbone, head)

transform = A.Compose([
    A.LongestMaxSize(max_size=IMAGE_SIZE),
    A.PadIfNeeded(min_height=IMAGE_SIZE, min_width=IMAGE_SIZE,
                  border_mode=0, value=[255, 255, 255]),
    A.Normalize(mean=DINO_MEAN, std=DINO_STD),
    ToTensorV2(),
])

# Загрузка модели
device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
model  = build_model().to(device)
ckpt   = torch.load('fold_1_km.pth', map_location=device, weights_only=False)
model.load_state_dict(ckpt['model_state_dict'])
model.eval()

# Инференс
img    = np.array(Image.open('binding.jpg').convert('RGB'))
tensor = transform(image=img)['image'].unsqueeze(0).to(device)
with torch.no_grad():
    probs = F.softmax(model(tensor), dim=1)[0]

print(f"Без средника: {probs[0]:.1%} | Со средником: {probs[1]:.1%}")
```

### Рекомендуемый порог

При использовании ансамбля рекомендуется порог **0.70–0.75** для отнесения изображения к одному из классов; при меньшей уверенности изображение целесообразно отправлять на ручную проверку специалистом. На уверенных предсказаниях точность ансамбля заметно превышает интегральную.

---

## Ограничения

- Модель обучена на фотографиях переплётов РГБ и может хуже работать на изображениях из других коллекций (domain shift)
- Сильно изношенные переплёты с плохо читаемым средником являются наиболее сложными случаями
- Не предназначена для работы с изображениями страниц, не являющихся переплётами — для фильтрации используйте модель `klein-marchen_preprocess` на первом этапе
- В обучающей выборке возможно присутствие небольшого количества ошибочно размеченных изображений (~2%), что отражается в нижней границе оценки точности

---

## Цитирование

Если вы используете эту модель в исследовании, пожалуйста, укажите репозиторий:

```bibtex
@misc{kleine-marchen-binding,
  author = {Infarondus},
  title  = {Kleine-Marchen — Binding Classification Pipeline for Manuscript Bindings},
  year   = {2026},
  url    = {https://github.com/Infarondus/Kleine-marchen}
}
```