MiaoshouAI Tagger：微软 Florence-2 模型的高级图像标注工具

MiaoshouAI Tagger 是一个基于微软 Florence-2 模型的高级图像标注工具，经过精细调优，为您的项目提供高精度和上下文相关的图像标注。尽管市场上已有许多标注工具，但 MiaoshouAI Tagger 在精度和相关性方面表现出色，特别适用于生成和标注提示词。

• GitHub：https://github.com/miaoshouai/ComfyUI-Miaoshouai-Tagger
• 模型：https://huggingface.co/MiaoshouAI

为什么需要另一个标注工具？

尽管现有的标注工具如 WD14 表现不错，但它们在实际使用中常常存在各自的问题。MiaoshouAI/Florence-2-base-PromptGen 是基于微软最新的 Florence2 模型，并使用精心挑选的 Civitai 图像和标签进行训练，专门用于生成和标注提示词。因此，其标注结果更加符合我们通常用于生成图像的提示，提高了准确性和相关性。

为什么基于 ComfyUI？

ComfyUI 已成为 Stable Diffusion 工作者中最受欢迎的基于节点的工具之一。它提供了各种节点和模型，如 LLava 和 Ollama Vision 节点，用于生成图像标注并将其传递给文本编码器。然而，这些视觉模型并不是专门为提示和图像标注训练的。使用 MiaoshouAI Tagger，您可以显著改善标注结果。

主要功能

1、 高精度：

• 微调数据：基于精选的 Civitai 图像和清洗标签数据集进行微调，生成高度精确和上下文相关的标签。
• 模型优化：利用微软 Florence-2 模型的先进特性，确保标注结果的高度准确性。

2、 基于节点的系统：

• 灵活连接：利用 ComfyUI 的节点系统的强大功能，将标注节点连接起来，结合描述性标注和关键词标注以获得最佳效果。
• 模块化设计：支持多种节点组合，满足不同项目的需求。

3、 多功能集成：

• 与其他节点结合：可以与其他节点（如 Prompt Text Encoder）结合，达到出色的自动图像处理效果。
• 扩展性强：支持与其他 ComfyUI 插件和工具集成，提供更多功能和灵活性。

4、 增强的图像训练：

• 最佳标注方法：通过使用先进的标注和描述方法，为图像训练提供最佳结果。
• 高质量数据：确保训练数据的质量，提高模型的泛化能力和鲁棒性。

使用方法

1.安装 MiaoshouAI Tagger：

• 通过 ComfyUI-Manager 安装 MiaoshouAI Tagger 插件。
• 插件安装完成后，可以在 ComfyUI 中找到相应的节点。

2.设置工作流：

• 在 examples 目录下找到预设的工作流文件。
• 将工作流文件拖入 ComfyUI 中。
• 安装缺失的节点并下载相应的模型。

3.调整参数：

• 根据项目需求，调整标注节点的参数，如标签类型、权重等。
• 连接标注节点与其他节点，构建完整的图像处理流程。

4.运行工作流：

• 运行工作流，生成和标注图像。
• 查看标注结果，根据需要进行微调和优化。

优势

• 高精度：基于精选数据和优化模型，生成高度精确和上下文相关的标签。
• 灵活性：基于节点的系统，支持多种组合和扩展，满足不同项目需求。
• 易用性：通过 ComfyUI 的支持，用户可以方便地使用 MiaoshouAI Tagger 进行图像标注。
• 高质量数据：确保训练数据的质量，提高模型的性能和稳定性。