从图片中提取tag#MOAT，ComfyUI-WD14-Tagger

github.com/pythongosssss/ComfyUI-WD14-Tagger

从图片中提取tag，ComfyUI-WD14-Tagger 使用了4种模型：

最新的模型 MOAT

最受欢迎的模型 ConvNextV2

主要任务是进行语义分割 —— 一项计算机视觉任务，其目标是将图像中的每个像素分类为一个类别或对象。其目标是生成一张图像的密集像素级分割地图，其中每个像素被分配给一个特定的类别或对象。

MOAT

一种名为MOAT的神经网络，它建立在MOBILE CONVOLUTION和ATTENTION的基础上。与当前的工作不同，MOAT将MBConv block (2018) 和Transformer block (2017) 合并为一个MOAT block。

实验结果表明，MOAT网络取得了出色的性能。

主要有以下几种任务：

ImageNet-1K图像分类任务

COCO对象检测任务

实例分割任务

ADE20K语义分割任务

MOAT在这些任务上都取得了令人印象深刻的结果，并展示了其在不同识别任务中的适用性。

谷歌 DeepLab2

A TensorFlow Library for Deep Labeling

MOAT是基于 DeepLab2 代码库开发的，可以直接通过Deeplab使用。DeepLab2是一个用于深度标记的TensorFlow库，旨在为图像像素标记任务提供统一和最先进的TensorFlow代码库，包括语义分割、实例分割、全景分割、深度估计甚至视频全景分割等。

github.com/google-research/deeplab2

更多欢迎关注：

ComfyUI中文社区#文档汉化内测

全新的创作方式等你来探索！