Update README.md

README.md

@@ -1,9 +1,125 @@
 ---
 license: mit
 language:
-- zh
-- en
+  - zh
+  - en
 pipeline_tag: image-classification
+tags:
+  - image-classification
+  - binary-classification
+  - mobilenetv3
+  - pytorch
+  - acg
+  - anime
+  - comic
+  - game
+  - computer-vision
+
+---
+
+# IsACG – “是否是 ACG 图像”的二分类模型系列
+
+IsACG 是一个专注于判断图像是否为 ACG（**Anime、Comic、Game**）风格的轻量化图像分类系列模型。模型基于 **MobileNetV3-Large** 和 **MobileNetV3-Small** 构建，在保证性能的同时注重低资源占用，适用于多种部署环境。
+
+---
+
+## 模型架构说明
+
+- **v1**：`mobilenet_v3_large`
+  - 参数量约为 5.5M；
+  - 更高的分类精度，适用于中端服务器或推理精度优先的场景。
+
+- **v1s**：`mobilenet_v3_small`
+  - 参数量约为 2.5M；
+  - 更轻便、更快的推理速度，适合边缘设备、嵌入式系统和移动端部署。
+
+- **v2**：v1s 的改进版本，融合了更广泛的数据训练和数据增强，提升泛化性；
+  - 参数量相近；
+  - 在复杂图像（如风格混合、低分辨率）上更具鲁棒性。
+
+---
+
+## 分类任务
+
+- **目标标签**：二分类
+  - `"yes"`：图像为动漫、漫画或游戏相关风格；
+  - `"no"`：图像为现实照片、插画或其他非 ACG 风格。
+
+---
+
+## 快速使用
+
+
+
+---
+
+## 模型配置
+
+默认标签配置：
+```json
+{
+    "0": "no",
+    "1": "yes"
+}
+```
+
 ---
 
-# IsACG
+## 模型性能对比（示例）
+
+| 模型版本 | 架构             | Accuracy | 推理速度 (FPS) | 参数量 | 主要特点                   |
+|----------|------------------|----------|----------------|--------|----------------------------|
+| v1       | MobileNetV3-Large  | 99.1%    | 35             | 5.5M  | 精度高，适用于服务器环境      |
+| v1s      | MobileNetV3-Small  | 98.9%    | 65             | 2.5M  | 轻量、快，在移动设备上表现好 |
+| v2       | MobileNetV3-Small | 97.5%    | 58             | 2.5M  | 增强泛化，适用更多风格       |
+
+---
+
+## 数据来源与训练
+
+- **数据集结构**：
+  - 正样本：ACG 图像（动漫截图、漫画分镜、游戏画面）；
+  - 负样本：非 ACG 图像（照片、现代 UI、3D 渲染、自然风景等）；
+- **优化器**：AdamW
+- **学习率调度**：ReduceLROnPlateau
+- **训练框架**：PyTorch + TorchVision 库；
+- **支持图像尺寸**：512x512 或上下文自适应填充。
+
+---
+
+## 示例输出
+
+| 输入图像             | 输出类别     |
+|----------------------|--------------|
+| 动漫插画截图         | `"yes"`      |
+| 漫画分镜               | `"yes"`      |
+| Steam 商店游戏页面截图   | `"yes"`      |
+| 真实风景照             | `"no"`  |
+| 人物写实照片          | `"no"`  |
+| 篮球明星图像          | `"no"`  |
+
+---
+
+## 模型适用场景
+
+✅ ACG 图像内容识别与过滤
+✅ 自动打标与数据筛选系统
+✅ 风格分类器嵌入到多模态 AI 系统中
+✅ 低资源设备（v1s/v2）快速判断
+
+---
+
+## 贡献与扩展
+
+该项目遵循 MIT 协议开源，欢迎贡献和改进：
+
+- 为您提供新类型的 ACG 风格标注；
+- 提出改进模型泛化性的训练技巧；
+- 添加更多语言的模型描述和推理 API 示例；
+
+---
+
+## 许可协议
+
+MIT License，你可以自由用于研究和商业用途。详情请见 [LICENSE](LICENSE)。
+