Upload folder using huggingface_hub

README.md

@@ -1,184 +1,169 @@
----
-license: cc-by-nc-4.0
-library_name: onnxruntime
-tags:
-  - video
-  - frame-deduplication
-  - siamese-network
-  - knowledge-distillation
-  - onnx
-  - directml
-datasets:
-  - wikimedia-commons
----
-
-# Easy4K SFDP · Siamese NET AI
-
-面向视频帧去重的轻量孪生网络。输入相邻两帧的同一位置灰度块，输出 0~1 的连续相似度，
-用于识别 1 拍 2 / 1 拍 3 等重复帧场景。模型通过知识蒸馏复现 Easy4K SFDP 四阶判决器
-（像素差、dHash、QR 分解、Farnebäck 光流）的判定行为，可在 NVIDIA / AMD / Intel 显卡上
-通过 DirectML 统一推理。
-
-## 模型详情
-
-| 项目 | 说明 |
-|---|---|
-| 开发者 | Sudabaka（Easy4K） |
-| 模型类型 | 孪生卷积网络（Siamese CNN），共享权重双分支 |
-| 架构 | 深度可分离卷积编码器（5 级下采样，384 维嵌入）+ 差分/乘积融合头（768 隐层） |
-| 参数量 | 1,402,465 |
-| 输入 | `frame_a`、`frame_b`：灰度 128×128，float32，范围 [0, 1]，NCHW |
-| 输出 | `score`：形状 [batch, 1]，Sigmoid 后位于 [0, 1]，越接近 1 越可能重复 |
-| 导出格式 | ONNX，opset 17，动态 batch |
-| 文件大小 | 5.36 MB |
-| 运行后端 | onnxruntime：`DmlExecutionProvider`（DirectML）/ `CPUExecutionProvider` |
-| 建议阈值 | 0.5；需要更低误判时可用 0.6~0.7 |
-| 许可证 | CC BY-NC 4.0（仅限非商业用途） |
-
-## 快速开始
-
-```bash
-pip install onnxruntime-directml numpy
-```
-
-```python
-import numpy as np
-import onnxruntime as ort
-
-sess = ort.InferenceSession(
-    "model.onnx",
-    providers=["DmlExecutionProvider", "CPUExecutionProvider"],
-)
-
-a = np.random.rand(1, 1, 128, 128).astype(np.float32)  # 灰度值 / 255
-b = a.copy()
-
-score = sess.run(["score"], {"frame_a": a, "frame_b": b})[0][0, 0]
-print(float(score))  # 1.0 表示两帧重复
-```
-
-完整的预处理与调用示例见仓库内 `example_infer.py`。
-
-## 使用场景
-
-**适用**
-
-- 视频补帧 / 超分前的重复帧检测，尤其是动画 1 拍 2、1 拍 3 的帧复用；
-- 作为 Easy4K SFDP 的快速前置筛选，降低后续 QR 与光流计算的调用次数；
-- 需要跨厂商 GPU 统一推理路径的桌面端场景（DirectML 单套算子覆盖三家）。
-
-**不适用**
-
-- 整帧级、跨场景的重复镜头检索（模型只判断 128×128 局部块）；
-- 经过强压缩、去噪、缩放等处理后的一致性判定（训练分布未覆盖）；
-- 需要逐像素级精确对齐的场合，本模型输出的是相似度分数而非位移场。
-
-## 训练方法
-
-### 教师与标签
-
-教师为 Easy4K 生产环境的 SFDP 完美模式（四阶全开）。对每个样本同时记录判决阶段与中间指标：
-
-- 教师判重且光流位移为 0：软标签 1.0；
-- 教师判重但存在可测位移：软标签 `clip(1 - flow / 2.0, 0, 1)`；
-- 教师在光流阶段判否：同样按上式映射，光流 0.1~0.4 的模糊区丢弃；
-- 教师在前三阶判否：明确负样本，软标签 0；
-- 第一阶段判为相同、被光流救回的样本标记为 hard，损失权重 2.0。
-
-### 数据
-
-| 项目 | 数值 |
-|---|---|
-| 素材来源 | Wikimedia Commons（CC BY / CC BY-SA / CC0），31 支视频 |
-| 片段构造 | 固定窗口连续帧，按 1拍1 / 1拍2 / 1拍3 / 混合节奏展开，共 676 个片段 |
-| 样本总数 | 81,782（训练 71,862 / 验证 9,920） |
-| 正负比 | 1 : 1.27 |
-| 难例 | 419 个（光流救回，权重 2.0） |
-| 划分方式 | 按来源视频隔离，验证集素材不参与训练 |
-
-素材清单、作者与许可证见仓库内 `sources.json`。
-
-### 训练配置
-
-| 项目 | 值 |
-|---|---|
-| 目标函数 | 软标签 MSE 回归（非二分类交叉熵） |
-| 优化器 | AdamW，weight decay 1e-4 |
-| 学习率 | 2e-3，2 epoch 线性 warmup + 余弦退火 |
-| Batch size | 256 |
-| Epoch | 25 |
-| 硬件 | NVIDIA P106-100（6 GB），CUDA 12.4，PyTorch 2.6.0 |
-| 单轮耗时 | 约 50 秒 |
-
-## 评测结果
-
-### 与教师的一致性（验证集 9,920 样本，按视频隔离）
-
-| 指标 | 数值 |
-|---|---|
-| 软标签 MAE | 0.00573 |
-| 判决准确率（阈值 0.5） | 99.44% |
-| 精确率 / 召回率 | 99.36% / 99.36% |
-| 正样本 MAE | 0.00476 |
-| 负样本 MAE | 0.00613 |
-
-### 阈值扫描
-
-| 阈值 | 准确率 | 精确率 | 召回率 | F1 |
-|---|---|---|---|---|
-| 0.30 | 99.43% | 99.22% | 99.47% | 0.9935 |
-| 0.40 | 99.45% | 99.29% | 99.45% | 0.9937 |
-| 0.50 | 99.44% | 99.36% | 99.36% | 0.9936 |
-| 0.60 | 99.49% | 99.47% | 99.36% | 0.9942 |
-| 0.70 | 99.51% | 99.52% | 99.36% | 0.9944 |
-| 0.80 | 99.49% | 99.54% | 99.29% | 0.9942 |
-
-### 推理性能
-
-| 硬件 | 后端 | 批量 | 每对耗时 |
-|---|---|---|---|
-| AMD Radeon RX 580 | DirectML 1.24.4（Windows 11） | 64 | 0.61 ms |
-| NVIDIA P106-100 | CPU 执行器 | 32 | 0.22 ms |
-
-真实切片端到端验证：AMD RX 580 上 744 对样本，在阈值 0.5 / 0.6 / 0.7 下与教师判决
-一致率均为 100%。
-
-### 数值一致性
-
-ONNX 与 PyTorch 输出最大绝对误差 1.2e-7，可直接替换训练端推理。
-
-## 局限与风险
-
-- **题材覆盖**：训练素材以实拍街景、交通与开源动画短片为主，动画 1 拍 2 / 1 拍 3 的真实
-  番剧样本有限，建议在目标内容上先做小规模验证再上线。
-- **局部判定**：模型只看 128×128 灰度块，不理解整帧语义；涉及大面积平移、缩放、转场的
-  判定仍需上层聚合逻辑。
-- **压缩与后处理**：强压缩块效应、降噪、锐化会改变像素分布，可能影响分数校准。
-- **系统要求**：DirectML 需要 Windows 10 1903+ 或 Windows 11；更旧的系统需回退 CPU。
-- **蒸馏上限**：模型逼近教师而非超越教师，教师判错的样本同样会被学习。
-- **许可证**：CC BY-NC 4.0 禁止商业性使用；商业发行需另行授权。
-
-## 引用
-
-```bibtex
-@misc{easy4k_sfdp_siamese_net_ai,
-  author       = {Sudabaka},
-  title        = {Easy4K SFDP - Siamese NET AI},
-  year         = {2026},
-  howpublished = {\url{https://huggingface.co/Sudabaka/SFDP-Siamese-NET-AI}},
-  note         = {Frame-duplicate similarity model distilled from the Easy4K SFDP judge}
-}
-```
-
-## 致谢
-
-- 训练素材来自 [Wikimedia Commons](https://commons.wikimedia.org/)，遵循各自 CC BY / CC BY-SA /
-  CC0 许可，完整作者与许可证信息见 `sources.json`；
-- 教师模型与推理实现来自 Easy4K SFDP（帧去重四阶判决器）；
-- 跨厂商推理基于 ONNX Runtime DirectML。
-
-## 许可证
-
-模型权重与示例代码采用
-[Creative Commons Attribution-NonCommercial 4.0 International](https://creativecommons.org/licenses/by-nc/4.0/)
-（CC BY-NC 4.0）许可：允许复制、修改与非商业性再分发，须保留署名并注明修改。
+---
+license: cc-by-nc-4.0
+library_name: onnxruntime
+tags:
+  - video
+  - frame-deduplication
+  - siamese-network
+  - knowledge-distillation
+  - onnx
+  - directml
+datasets:
+  - wikimedia-commons
+---
+
+# Easy4K SFDP · Siamese NET AI
+
+面向视频帧去重的轻量孪生网络。输入相邻两帧的同一位置灰度块，输出 0~1 的连续相似度，
+用于识别 1 拍 2 / 1 拍 3 等重复帧场景。模型通过知识蒸馏复现 Easy4K SFDP 四阶判决器
+（像素差、dHash、QR 分解、Farnebäck 光流）的判定行为，可在 NVIDIA / AMD / Intel 显卡上
+通过 DirectML 统一推理。
+
+## 模型详情
+
+| 项目 | 说明 |
+|---|---|
+| 开发者 | Sudabaka（Easy4K） |
+| 模型类型 | 孪生卷积网络（Siamese CNN），共享权重双分支 |
+| 架构 | 深度可分离卷积编码器（6 级下采样、512 维嵌入）+ 差分/乘积融合头（1024 隐层） |
+| 参数量 | 2602017 |
+| 输入 | `frame_a`、`frame_b`：灰度 128×128，float32，范围 [0, 1]，NCHW |
+| 输出 | `score`：形状 [batch, 1]，Sigmoid 后位于 [0, 1]，越接近 1 越可能重复 |
+| 导出格式 | ONNX，opset 17，动态 batch |
+| 文件大小 | 9.95 MB |
+| 运行后端 | onnxruntime：`DmlExecutionProvider`（DirectML）/ `CPUExecutionProvider` |
+| 建议阈值 | 0.5；需要更低误判时可用 0.6~0.7 |
+| 许可证 | CC BY-NC 4.0（仅限非商业用途） |
+
+## 快速开始
+
+```bash
+pip install onnxruntime-directml numpy
+```
+
+```python
+import numpy as np
+import onnxruntime as ort
+
+sess = ort.InferenceSession(
+    "model.onnx",
+    providers=["DmlExecutionProvider", "CPUExecutionProvider"],
+)
+
+a = np.random.rand(1, 1, 128, 128).astype(np.float32)  # 灰度值 / 255
+b = a.copy()
+
+score = sess.run(["score"], {"frame_a": a, "frame_b": b})[0][0, 0]
+print(float(score))  # 1.0 表示两帧重复
+```
+
+完整的预处理与调用示例见仓库内 `example_infer.py`。
+
+## 使用场景
+
+**适用**
+
+- 视频补帧 / 超分前的重复帧检测，尤其是动画 1 拍 2、1 拍 3 的帧复用；
+- 作为 Easy4K SFDP 的快速前置筛选，降低后续 QR 与光流计算的调用次数；
+- 需要跨厂商 GPU 统一推理路径的桌面端场景（DirectML 单套算子覆盖三家）。
+
+**不适用**
+
+- 整帧级、跨场景的重复镜头检索（模型只判断 128×128 局部块）；
+- 经过强压缩、去噪、缩放等处理后的一致性判定（训练分布未覆盖）；
+- 需要逐像素级精确对齐的场合，本模型输出的是相似度分数而非位移场。
+
+## 训练方法
+
+### 教师与标签
+
+教师为 Easy4K 生产环境的 SFDP 完美模式（四阶全开）。对每个样本同时记录判决阶段与中间指标：
+
+- 教师判重且光流位移为 0：软标签 1.0；
+- 教师判重但存在可测位移：软标签 `clip(1 - flow / 2.0, 0, 1)`；
+- 教师在光流阶段判否：同样按上式映射，光流 0.1~0.4 的模糊区丢弃；
+- 教师在前三阶判否：明确负样本，软标签 0；
+- 第一阶段判为相同、被光流救回的样本标记为 hard，损失权重 2.0。
+
+### 数据
+
+| 项目 | 数值 |
+|---|---|
+| ���材来源 | Wikimedia Commons（CC BY / CC BY-SA / CC0）31 支；用户提供的术力口 / 真人 MV 10 支；公开网络 MV（术力口 / 动画 / 真人 / Live，仅训练使用，不随模型分发） |
+| 片段构造 | 固定窗口连续帧，按 1拍1 / 1拍2 / 1拍3 / 混合节奏展开，共 2300 个片段 |
+| 样本总数 | 242916（训练 202770 / 验证 40146） |
+| 正负比 | 1 : 1.00 |
+| 难例 | 5018 个（光流救回，权重 2.0） |
+| 划分方式 | 按来源视频隔离，验证集素材不参与训练 |
+
+CC 素材清单、作者与许可证见仓库内 `sources.json`。
+
+### 训练配置
+
+| 项目 | 值 |
+|---|---|
+| 目标函数 | 软标签 MSE 回归（非二分类交叉熵） |
+| 优化器 | AdamW，weight decay 1e-4 |
+| 学习率 | 2e-3，2 epoch 线性 warmup + 余弦退火 |
+| Batch size | 256 |
+| Epoch | 12 |
+| 硬件 | NVIDIA P106-100（6 GB），CUDA 12.4，PyTorch 2.6.0 |
+
+## 评测结果
+
+### 与教师的一致性（验证集 40146 样本，按视频隔离）
+
+| 指标 | 数值 |
+|---|---|
+| 软标签 MAE | 0.02017 |
+| 判决准确率（阈值 0.5） | 98.12% |
+| 精确率 / 召回率 | 98.08% / 98.45% |
+| 正样本 MAE | 0.00763 |
+| 负样本 MAE | 0.02659 |
+
+### 推理性能
+
+| 硬件 | 后端 | 批量 | 每对耗时 |
+|---|---|---|---|
+| AMD Radeon RX 580 | DirectML 1.24.4（Windows 11） | 64 | 0.73 ms |
+| NVIDIA P106-100 | CPU 执行器 | 32 | 0.342 ms |
+
+### 数值一致性
+
+ONNX 与 PyTorch 输出最大绝对误差不超过 1.2e-7，可直接替换训练端推理。
+
+## 局限与风险
+
+- **题材覆盖**：训练素材以实拍街景、开源动画与音乐视频为主，番剧 1 拍 2 / 1 拍 3 的真实样本
+  仍有限，建议在目标内容上先做小规模验证再上线。
+- **局部判定**：模型只看 128×128 灰度块，不理解整帧语义；涉及大面积平移、缩放、转场的
+  判定仍需上层聚合逻辑。
+- **压缩与后处理**：强压缩块效应、降噪、锐化会改变像素分布，可能影响分数校准。
+- **系统要求**：DirectML 需要 Windows 10 1903+ 或 Windows 11；更旧的系统需回退 CPU。
+- **蒸馏上限**：模型逼近教师而非超越教师，教师判错的样本同样会被学习。
+- **许可证**：CC BY-NC 4.0 禁止商业性使用；商业发行需另行授权。
+
+## 引用
+
+```bibtex
+@misc{easy4k_sfdp_siamese_net_ai,
+  author       = {Sudabaka},
+  title        = {Easy4K SFDP - Siamese NET AI},
+  year         = {2026},
+  howpublished = {\url{https://huggingface.co/Sudabaka/SFDP-Siamese-NET-AI}},
+  note         = {Frame-duplicate similarity model distilled from the Easy4K SFDP judge}
+}
+```
+
+## 致谢
+
+- CC 训练素材来自 [Wikimedia Commons](https://commons.wikimedia.org/)，遵循各自 CC BY /
+  CC BY-SA / CC0 许可，完整作者与许可证信息见 `sources.json`；
+- 教师模型与推理实现来自 Easy4K SFDP（帧去重四阶判决器）；
+- 跨厂商推理基于 ONNX Runtime DirectML。
+
+## 许可证
+
+模型权重与示例代码采用
+[Creative Commons Attribution-NonCommercial 4.0 International](https://creativecommons.org/licenses/by-nc/4.0/)
+（CC BY-NC 4.0）许可：允许复制、修改与非商业性再分发，须保留署名并注明修改。

config.json

@@ -1,5 +1,6 @@
 {
   "model_name": "Easy4K SFDP - Siamese NET AI",
+  "model_version": "0.2.0",
   "architecture": "siamese depthwise-separable CNN + difference/product fusion head",
   "input": {
     "names": [
@@ -28,17 +29,16 @@
     "meaning": "1 = duplicate"
   },
   "opset": 17,
-  "params": 1402465,
   "providers": [
     "DmlExecutionProvider",
     "CPUExecutionProvider"
   ],
   "recommended_threshold": 0.5,
   "metrics": {
-    "val_mae": "0.00573",
-    "val_acc": "0.99435",
-    "pos_mae": "0.00476",
-    "neg_mae": "0.00613"
+    "val_mae": 0.02017,
+    "val_acc": 0.98119,
+    "precision": 0.98076,
+    "recall": 0.98451
   },
   "license": "cc-by-nc-4.0"
 }

example_infer.py

@@ -5,12 +5,11 @@ import onnxruntime as ort
 
 
 def make_session(model_path="model.onnx"):
-    providers = ["DmlExecutionProvider", "CPUExecutionProvider"]
-    return ort.InferenceSession(model_path, providers=providers)
+    return ort.InferenceSession(model_path, providers=["DmlExecutionProvider", "CPUExecutionProvider"])
 
 
 def score(sess, gray_a, gray_b):
-    """gray_a / gray_b: uint8 或 float32 的 128x128 灰度块。返回 0~1。"""
+    """gray_a / gray_b: 128x128 灰度块（uint8 或 float）。返回 0~1。"""
     def prep(x):
         x = np.asarray(x, dtype=np.float32)
         if x.max() > 1.5:

model.onnx

@@ -1,3 +1,3 @@
 version https://git-lfs.github.com/spec/v1
-oid sha256:749d1705c43610787f1df3b738e0fcaf37d85c30bc09cb987644b1cd88aac537
-size 5624038
+oid sha256:8fad7e9e8eeff174ebfd2bad4d2a8cb57ee9ae003bf26909fdbcdf5582d0e643
+size 10431409