joycaption-watermark-detection

מה זה

התהליך פשוט מאוד בצד שלכם. אתם גוררים קובץ תמונה לתוך הממשק, קובעים את סף הביטחון לזיהוי באמצעות סליידר שנע בין 0 ל־1, ולוחצים על הכפתור. התוצאה מוצגת בשני חלקים נפרדים. מצד אחד רואים תמונה עם תיחום ויזואלי של סימני המים שזוהו, ומצד שני תווית שמציגה סיווג ישיר.

מאחורי הקלעים רץ שילוב של שני מודלים שונים. הקוד טוען את המודל של גוגל, google/owlv2-base-patch16-ensemble, יחד עם מודל YOLO דרך ספריית ultralytics ועיבוד תמונה עם פייטורץ. החיבור הזה בודק במקביל את האזורים החשודים ומחזיר גם תיוג טקסטואלי וגם סימון גרפי על התמונה עצמה.

מתאים ל

• בדיקת תמונות לאימון

  בדיקה מהירה של קבצים בודדים כדי לוודא שאינם כוללים לוגואים או סימני מים לפני שמכניסים אותם לאימון.

• השוואת מודלים לזיהוי

  בחינה ויזואלית של ביצועי YOLO מול OWLv2 בזיהוי חותמות על גבי תמונות מורכבות.

• כיול סף ביטחון

  בדיקת רגישות הסליידר כדי למצוא את סף הזיהוי הנכון שלא יפספס סימנים שקופים.

איפה זה נופל

ההדגמה מיועדת לתמונה אחת בכל פעם דרך הדפדפן, כך שאי אפשר להזין לה תיקייה שלמה או לבצע ניקוי אוטומטי של מאגרים גדולים. היא רק מזהה ומסמנת איפה מופיע סימן המים, ולא מסירה אותו מהקובץ. בנוסף, על מעבד בסיסי קשה להעריך ביצועים של קצב עיבוד גבוה, וכדאי לבדוק אותה על מגוון רקעים לפני שמסתמכים על התוצאות.

איך משתמשים

אתם מעלים תמונה, מגדירים את ה־Confidence Threshold אם רוצים לסנן זיהויים חלשים, ולוחצים על Detect Watermarks. אין צורך לפתוח חשבון, אבל החומרה שמוקצית להרצה היא cpu-basic בלבד. בגלל שהעיבוד רץ על מעבד רגיל וללא מאיץ גרפי, הניתוח המשלב שני מודלים עשוי לקחת כמה שניות טובות לכל קובץ בודד.

הרישיון

הרישיון של המרחב לא דווח כלל על ידי המפתח. במצב כזה אין הרשאה מפורשת לשימוש מסחרי בקוד או בהדגמה עצמה, ולא ברור מה הכללים לגבי שמירת התמונות שנשלחות לעיבוד.

הרישיון המלא ב־Hugging Face ↗