HaS_Image_0209_FP32

HaS Image Model (FP32)

HaS（Hide and Seek）** 是一个端侧部署的图像隐私模型，对图片中的隐私区域进行像素级识别和分割。

📦 **基于 YOLO11** 实例分割，FP32 精度，119 MB

🔒 **数据不出设备**，本地推理，无需联网

🎯 **21 类隐私类别**，覆盖生物特征、证件、金融卡、屏幕等

⚡ **单张图片 ~20ms** 推理速度

一、核心能力

传统图像脱敏依赖人脸检测器或手动遮挡。HaS Image 是一个**端侧隐私分割模型**——识别 21 类敏感内容，提供像素级掩码，实现精准自动化脱敏。

能力 说明

• ----- ------
• *21 类隐私类别** 覆盖生物特征（人脸、指纹、掌纹）、证件（身份证、护照、通行证）、金融（银行卡）、屏幕（手机、显示器）等
• *像素级分割** 实例分割而非仅边界框——掩码精确贴合每个敏感区域的轮廓
• *多种遮挡方式** 支持马赛克、高斯模糊、纯色填充——可按场景配置强度和样式
• *批量处理** 一条命令处理整个目录的图片
• *类别过滤** 选择性脱敏指定类别（如仅人脸，或人脸+车牌）
• *高速推理** 单张图片 ~20ms，适合实时和批量工作流

二、支持的隐私类别

6 大分组，21 个类别：

分组 ID 类别 中文

• ----- ---- ------ ------
• *生物特征** 0 face 人脸

1 fingerprint 指纹

2 palmprint 掌纹

• *证件** 3 id card 身份证

4 hk macau permit 港澳通行证

5 passport 护照

6 employee badge 工牌

• *交通** 7 license plate 车牌
• *金融** 8 bank card 银行卡
• *安全** 9 physical key 钥匙
• *文档** 10 receipt 收据

11 shipping label 快递单

12 official seal 公章

20 paper 纸张

• *信息载体** 13 whiteboard 白板

14 sticky note 便签

15 mobile screen 手机屏幕

16 monitor screen 显示器屏幕

• *医疗** 17 medical wristband 医用腕带
• *编码** 18 qr code 二维码

19 barcode 条形码

类别过滤支持英文名、中文名或数字 ID，逗号分隔。

三、快速开始

安?

Python 使用

CLI 使用（通过 HaS）

HaS 配套了 CLI 工具 has-image ，将模型封装为开箱即用的命令：

四、遮挡方式

方式 参数 说明

• ----- ------ ------
• *马赛克** --method mosaic 像素化方块（默认）。 --strength 控制块大小
• *高斯模糊** --method blur 平滑模糊。 --strength 控制模糊半径
• *纯色填充** --method fill 纯色覆盖。 --fill-color 设置十六进制颜色（默认 #000000 ）

五、使用场景

场景 说明 方法

• ----- ------ ------
• *照片发布** 分享照片前遮挡人脸和车牌 hide --types face,license plate
• *文档脱敏** 遮挡扫描件中的身份证、银行卡、公章 hide --types id card,bank card,official seal
• *数据集匿名化** 批量匿名化 ML 训练数据集中的图片 hide --dir ./dataset/
• *合规审查** 上传图片处理前扫描敏感内容 scan --image uploaded.jpg
• *视频帧处理** 抽帧 → 逐帧脱敏 → 重新组装 逐帧 hide
• *录屏隐私** 遮挡录屏中的手机/显示器屏幕 hide --types mobile screen,monitor screen

六、脱敏示例

图 1. HaS Image 模型脱敏前后对比

七、模型规格

属性 值

• ----- -----

架构 YOLO11 实例分割

精度 FP32

文件大小 119 MB

任务 实例分割

类别数 21 类隐私实体

推理速度 单张图片 ~20ms

输入 任意分辨率（自动缩放）

输出 边界框 + 像素级掩码 + 置信度分数

框架 Ultralytics

许可证 MIT

八、相关模型

模型 类型 说明

• ----- ------ ------

HaS Text Q8 0 文本 文本脱敏，0.6B 参数，Q8 0 量化，639 MB

HaS Text Q4 K M 文本 文本脱敏，0.6B 参数，Q4 K M 量化，397 MB

• *HaS Image FP32** 图像 图像隐私分割，YOLO11，FP32，119 MB

HaS Text 处理文本脱敏（命名实体、个人信息）；HaS Image 处理图像脱敏（视觉隐私区域）。二者结合，提供完整的端侧文本+图像隐私保护方案。

English Version

HaS Image Model (FP32)

HaS (Hide and Seek)** is an on-device image privacy model that performs pixel-level detection and segmentation of sensitive regions in images.

📦 **YOLO11-based** instance segmentation, FP32, 119 MB

🔒 **Data never leaves device** — local inference, no network required

🎯 **21 privacy categories** covering biometrics, ID documents, financial cards, screens, and more

⚡ **~20ms per image** inference speed on modern hardware

• Core Capabilities

Capability Description

• ----------- -------------
• *21 Privacy Categories** Covers biometrics (face, fingerprint, palmprint), ID documents (ID card, passport, permit), financial (bank card), screens (mobile, monitor), and more
• *Pixel-Level Segmentation** Instance segmentation, not just bounding boxes — masks follow the exact contour of each sensitive region
• *Multiple Redaction Methods** Supports mosaic, Gaussian blur, and solid fill — configurable strength and style per use case
• *Batch Processing** Process entire directories of images in one command
• *Category Filtering** Selectively redact only specific categories (e.g., faces only, or faces + license plates)
• *High Speed** ~20ms per image, suitable for real-time and batch workflows

• Supported Privacy Categories

6 groups, 21 categories:

Group ID Category Description

• ------ ---- ---------- -------------
• *Biometrics** 0 face Human faces

1 fingerprint Fingerprints

2 palmprint Palm prints

• *ID Documents** 3 id card National ID cards

4 hk macau permit HK/Macau travel permits

5 passport Passports

6 employee badge Employee badges

• *Transportation** 7 license plate Vehicle license plates
• *Financial** 8 bank card Bank/credit cards
• *Security** 9 physical key Physical keys
• *Documents** 10 receipt Receipts

11 shipping label Shipping/courier labels

12 official seal Official stamps/seals

20 paper Paper documents

• *Information Carriers** 13 whiteboard Whiteboards

14 sticky note Sticky notes

15 mobile screen Mobile phone screens

16 monitor screen Computer monitor screens

• *Medical** 17 medical wristband Hospital wristbands
• *Codes** 18 qr code QR codes

19 barcode Barcodes

• Quick Start

• Redaction Methods

Method Flag Description

• ------- ------ -------------
• *Mosaic** --method mosaic Pixelated blocks (default). --strength controls block size
• *Gaussian Blur** --method blur Smooth blur. --strength controls blur radius
• *Solid Fill** --method fill Solid color overlay. --fill-color sets hex color (default #000000 )

• Redaction Example

Figure 1. Before and after privacy redaction with HaS Image model

• Model Specifications

Property Value

• --------- -------

Architecture YOLO11 Instance Segmentation

Precision FP32

File Size 119 MB

Categories 21 privacy classes

Inference Speed ~20ms per image

Framework Ultralytics

License MIT

• Related Models

Model Type Description

• ------ ------ -------------

HaS Text Q8 0 Text Text anonymization, 0.6B params, Q8 0, 639 MB

HaS Text Q4 K M Text Text anonymization, 0.6B params, Q4 K M, 397 MB

• *HaS Image FP32** Image Image privacy segmentation, YOLO11, FP32, 119 MB

HaS Text handles text anonymization (named entities, PII); HaS Image handles image anonymization (visual privacy regions). Together they provide a complete on-device privacy solution for both text and images.