YOLO11n (VisDrone-DET)
лёгкий детектор объектов для съёмки с дронов
2 min readupdated
Компактная модель компьютерного зрения для поиска людей и транспорта на кадрах, снятых с большой высоты. Чекпоинт дообучен на датасете VisDrone-DET на базе лёгкой архитектуры YOLO11n (2,6 млн параметров) с помощью фреймворка Ultralytics и пакета DetectionBench. В отличие от стандартных детекторов, настроенных на обычные фото с уровня земли, эта версия заточена под крошечные объекты с высоты птичьего полёта. Подойдёт разработчикам и исследователям для быстрого прототипирования систем анализа аэросъёмки на слабом железе.
Ключевые особенности
- Распознаёт 10 активных классов: пешеходов, людей, велосипеды, автомобили, фургоны, грузовики, трициклы, трициклы с тентом, автобусы и мотоциклы (класс
othersне используется). - Ультралёгкая архитектура: всего 2,6M параметров и 6,6B FLOPs (вычислительных операций при разрешении 640 px), что обеспечивает высокую скорость инференса.
- Обучена на изображениях высокого разрешения (1280 px), чтобы не терять мелкие детали на кадрах с высоты.
- Воспроизводимый пайплайн: модель подготовлена и протестирована в рамках бенчмарка
DetectionBenchс открытыми конфигами и матрицами ошибок в репозитории.
Что можно сделать
- Запустить автоматический подсчёт автомобилей, автобусов и пешеходов на видеопотоке с квадрокоптера в реальном времени.
- Использовать чекпоинт как лёгкий бейзлайн (отправную точку) при сравнении архитектур детекторов для аэросъёмки в библиотеке
ultralytics. - Встроить в пайплайны мониторинга дорожного трафика или парковок, где критична минимальная нагрузка на вычислительные ресурсы.
Пример
from huggingface_hub import hf_hub_download
from ultralytics import YOLO
weights = hf_hub_download(repo_id="dronefreak/visdrone-yolo11n", filename="best.pt")
model = YOLO(weights)
results = model.predict(source="image.jpg", conf=0.25)
results[0].show()
Подробнее
Метрики на тесте VisDrone-DET: mAP@50 — 39,52%, mAP@50-95 — 23,0%, Precision — 51,49%, Recall — 41,02%, F1 — 45,66%.Лучше всего модель находит автомобили (mAP@50 79,34%) и автобусы (61,26%), хуже — велосипеды (15,86%) из-за сильного дисбаланса классов.
Особенности данных: в среднем ~53 объекта на кадр, причём ~69% рамок занимают менее 0,1% площади изображения.
Ограничения: датасет VisDrone распространяется под лицензией CC BY-NC-SA 3.0, поэтому модель предназначена только для некоммерческих исследований.










Comments