YOLOv8s-visdrone
детекция мелких объектов с дрона
2 min readupdated
Модель находит людей и транспорт на аэросъёмке: пешеходов, велосипеды, машины, фургоны, грузовики, автобусы, мотоциклы и трициклы — всего 10 классов. Это YOLOv8s от Ultralytics, дообученный автором на датасете VisDrone2019-DET под кадры с беспилотников, где объекты выглядят мелкими и плотно стоят друг к другу. Веса отдают готовый файл best.pt, который грузится через библиотеку ultralytics: можно запускать детекцию на видео и сразу включать трекинг (сопровождение объектов между кадрами) через bytetrack. Пригодится тем, кто разбирает съёмку с дрона: подсчёт транспорта, наблюдение за потоками людей, анализ парковок.
Ключевые особенности
- 10 классов: pedestrian, people, bicycle, car, van, truck, tricycle, awning-tricycle, bus, motor
- Обучение на VisDrone2019-DET, размер изображения 640, 21 эпоха
- Совместимость с ultralytics: и обычный inference, и трекинг через tracker="bytetrack.yaml"
- Лёгкий бэкбон YOLOv8s — обучение шло на GTX 1660 Super с 6 ГБ VRAM
- Некоммерческая лицензия весов CC BY-NC-SA 3.0
Что можно сделать
- Прогнать запись с дрона и посчитать машины и пешеходов по кадрам
- Сделать трекер объектов в реальном времени: model.track с bytetrack на видеофайле или потоке
- Дообучить под свои классы и условия съёмки — с оглядкой на некоммерческую лицензию
- Собрать разбор парковки или затора по аэрофото и видео
Пример
from huggingface_hub import hf_hub_download
from ultralytics import YOLO
weights = hf_hub_download("ibtehajkhanAI/yolov8s-visdrone", "best.pt")
model = YOLO(weights)
results = model.track("drone_video.mp4", tracker="bytetrack.yaml", show=True)Подробнее
VisDrone2019-DET val: mAP50 — 0.369, mAP50-95 — 0.210, Precision — 0.504, Recall — 0.364.Обучение: 21 эпоха, image size 640, GTX 1660 Super (6 ГБ), AMP отключён.
Лицензия весов CC BY-NC-SA 3.0: только некоммерческое использование, производные — под той же лицензией. Код Ultralytics — AGPL-3.0, датасет VisDrone — AISKYEYE team, Tianjin University.










Comments