Huashu Design
alchaincyf · 技能
把你在 AI 智能体里写的一句话需求,变成一份完成的设计:发布动画、可点击的应用原型、可编辑的幻灯片、信息图,或一组小红书图片。可在多种智能体中使用。
通过测量 23 个面部关键点,从一张兔子照片里筛查疼痛迹象,并给出 Relaxed 或 Pain 标签和概率。这是面向兔子主人、兽医和学生的研究原型,不是诊断。
Rabbit Pain Identifier 是一款工具包,属于研究类,由 Mindket 上架。可免费获取。当前为第 1 版,最近更新于 。在本页下载,是一个装着它全部文件的 zip 压缩包。这些文件不会自己运行。
pip install -U huggingface_hub hf download sheildo/Rabbit-Pain-Identifier-Model --repo-type space --local-dir Rabbit-Pain-Identifier-Model cd Rabbit-Pain-Identifier-Model
这个 Space 看一张兔子的照片,估计这只动物看起来是放松还是疼痛。它找出脸上的 23 个关键点,校正头部倾斜,测量面部几何,再把数字交给分类器。结果是一个标签加一个概率分数。
想了解基于照片的疼痛筛查如何运作的兔子主人、兽医专业学生和研究者。
| Industry | Who uses it | How they use it | Example |
|---|---|---|---|
| 兽医研究 | 动物福利研究者 | 把面部几何作为疼痛信号来研究 | 跑一张照片,读取概率分数 |
| 兽医教育 | 学生 | 学习筛查模型是怎么做出来的 | 打开示例照片,对比各自的标签 |
| 宠物护理 | 兔子主人 | 先对照片有个非正式的初步了解 | 上传一张清晰的自家兔子正面照 |
| 软件 | 机器学习开发者 | 研究一个小型的关键点加 KNN 流程 | 对照保存的模型文件阅读 app.py |
如果你需要诊断,请去问兽医。页面说明它是研究原型,不是诊断。
它可以在两个地方运行。
| Use case | Who | What they get back |
|---|---|---|
| 筛查一张照片 | 主人和兽医 | 一个 Relaxed 或 Pain 标签及其概率 |
| 试试示例 | 学生 | 垂耳、疼痛和放松三张示例照片的结果 |
| 研究流程 | 开发者 | 同一个仓库里的模型文件和应用代码 |
在线使用什么都不用准备。本地副本需要几样东西。
pip install -U huggingface_hub hf download sheildo/Rabbit-Pain-Identifier-Model --repo-type space --local-dir Rabbit-Pain-Identifier-Model cd Rabbit-Pain-Identifier-Model pip install gradio==5.49.0 pip install -r requirements.txt python app.py
打开页面,添加一张兔子的照片。页面返回 Relaxed 或 Pain 标签以及原始概率。做筛查时,也就是想抓出每一个可能的疼痛案例,用 0.4 的阈值。做分诊时,也就是想减少误报,用 0.5。
你上传一张耳朵直立的兔子的清晰照片。页面标出面部关键点,并报告一个标签和概率,你再按自己的目标,对照 0.4 或 0.5 的阈值。
先用仓库里的一张示例照片,看看结果长什么样。记住,照片只能作为粗略参考,最终由临床医生定夺。
这个流程用 YOLOv8n-pose 模型找出 23 个关键点。它围绕两眼中点旋转关键点,让眼线保持水平,并把每个特征除以两眼之间的距离。对于垂耳兔,耳朵下垂检查会关闭耳朵相关的特征。然后由 KNN 分类器预测标签。
模型只在一套精选的 620 张图片上训练,作者说外部验证仍待进行。
通过测量 23 个面部关键点,从一张兔子照片里筛查疼痛迹象,并给出 Relaxed 或 Pain 标签和概率。这是面向兔子主人、兽医和学生的研究原型,不是诊断。
由 sheildo 在 Hugging Face 上制作。这些说明是 Mindket 根据它的 Space 页面和 README 写的,应用自己的文件和许可证在 Hugging Face 上。
它是什么:这个 Space 看一张兔子的照片,估计这只动物看起来是放松还是疼痛。它找出脸上的 23 个关键点,校正头部倾斜,测量面部几何,再把数字交给分类器。结果是一个标签加一个概率分数。
适合谁:想了解基于照片的疼痛筛查如何运作的兔子主人、兽医专业学生和研究者。
Industry | Who uses it | How they use it | Example
兽医研究 | 动物福利研究者 | 把面部几何作为疼痛信号来研究 | 跑一张照片,读取概率分数
兽医教育 | 学生 | 学习筛查模型是怎么做出来的 | 打开示例照片,对比各自的标签
宠物护理 | 兔子主人 | 先对照片有个非正式的初步了解 | 上传一张清晰的自家兔子正面照
软件 | 机器学习开发者 | 研究一个小型的关键点加 KNN 流程 | 对照保存的模型文件阅读 app.py
如果你需要诊断,请去问兽医。页面说明它是研究原型,不是诊断。
用在哪里:它可以在两个地方运行。
Use case | Who | What they get back
筛查一张照片 | 主人和兽医 | 一个 Relaxed 或 Pain 标签及其概率
试试示例 | 学生 | 垂耳、疼痛和放松三张示例照片的结果
研究流程 | 开发者 | 同一个仓库里的模型文件和应用代码
如何设置:在线使用什么都不用准备。本地副本需要几样东西。
pip install -U huggingface_hub
hf download sheildo/Rabbit-Pain-Identifier-Model --repo-type space --local-dir Rabbit-Pain-Identifier-Model
cd Rabbit-Pain-Identifier-Model
pip install gradio==5.49.0
pip install -r requirements.txt
python app.py
如何使用:打开页面,添加一张兔子的照片。页面返回 Relaxed 或 Pain 标签以及原始概率。做筛查时,也就是想抓出每一个可能的疼痛案例,用 0.4 的阈值。做分诊时,也就是想减少误报,用 0.5。
示例:你上传一张耳朵直立的兔子的清晰照片。页面标出面部关键点,并报告一个标签和概率,你再按自己的目标,对照 0.4 或 0.5 的阈值。
新手与专家:先用仓库里的一张示例照片,看看结果长什么样。记住,照片只能作为粗略参考,最终由临床医生定夺。
这个流程用 YOLOv8n-pose 模型找出 23 个关键点。它围绕两眼中点旋转关键点,让眼线保持水平,并把每个特征除以两眼之间的距离。对于垂耳兔,耳朵下垂检查会关闭耳朵相关的特征。然后由 KNN 分类器预测标签。
YOLOv8n-pose 找出 23 个面部关键点
旋转关键点,让两眼保持水平
用两眼距离对特征做缩放
KNN 分类器给出 Relaxed 或 Pain 的评分
注意事项:模型只在一套精选的 620 张图片上训练,作者说外部验证仍待进行。
Title: 分类器在各项检验上的准确率
测试集: 0.895 accuracy
验证集: 0.871 accuracy
五折交叉验证: 0.820 accuracy
多数类基线: 0.659 accuracy
在浏览器里打开这个 Space,或在它的页面上把它复制到你自己的 Hugging Face 账号。这个工具包里没有会自己运行的东西。
README.md 5 KB
同一分类里与本产品共有标签最多的已上架 Hugging Face Space。
| 产品 | 点赞 | 构建方式 | 许可证 | 最近更新 |
|---|---|---|---|---|
| Rabbit Pain Identifier 本页 | 1 | gradio | mit | |
| Open VLM Leaderboard共有 gradio | 1,034 | gradio | apache-2.0 | |
| Face Swap共有 gradio | 808 | gradio | cc-by-nc-sa-4.0 | |
| TTS Spaces Arena共有 gradio | 493 | gradio | zlib | |
| Depth Anything 3共有 gradio | 490 | gradio | cc-by-nc-4.0 | |
| BLIP共有 gradio | 431 | gradio | bsd-3-clause |
alchaincyf · 技能
把你在 AI 智能体里写的一句话需求,变成一份完成的设计:发布动画、可点击的应用原型、可编辑的幻灯片、信息图,或一组小红书图片。可在多种智能体中使用。
op7418 · 技能
能生成单文件 HTML 幻灯片、幻灯片配图和多平台封面的技能,有两套视觉风格,还带演讲者模式用于排练。适合使用 Claude Code 或 Codex 的演讲者。
alirezarezvani · 技能
为 Claude Code 和其他编程智能体提供 411 个现成技能,按角色分组,从工程、产品到营销、财务和合规。以插件方式安装。适合开发者和业务团队。
dBenf · 工具包
回答关于卫星图像块的类型化问题,使用 Sentinel-2 的全部 12 个波段,为每个选项返回概率,不生成文字。这是 Qwen3.5-0.8B 的微调版本,适合地球观测研究者。
zimmerk4 · 工具包
用一个在 JAX 物理模拟器里学会的小型策略网络,从头到尾通关游戏 Getting Over It。适合强化学习研究者和好奇的动手爱好者。
yuji-nozawa · 工具包
一篇研究论文的三种规模的预训练视觉 Transformer 检查点,论文研究如何训练注意力头去关注图像区域。适合提取图像特征和复现论文的研究人员。