football-yolo26-sam31-distilled-v1
детектор игроков и судей для футбола
2 min readupdated
Модель распознаёт на кадрах футбольных трансляций четыре класса объектов: полевых игроков, судей, вратарей и мяч. Она представляет собой дообученную версию компактной архитектуры yolo26s.pt от автора Mbonea, созданную методом дистилляции (переноса знаний от более крупной модели) с использованием псевдоразметки от SAM3.1 и детектора YOLO26x. В отличие от универсальных спортивных моделей, это исследовательский пилот, обученный на одном конкретном матче для проверки пайплайна автоматической разметки. Пригодится разработчикам спортивной аналитики и компьютерного зрения как база для экспериментов с трекингом игроков или дистилляцией масок.
Ключевые особенности
- Четыре класса объектов: находит на изображении игроков (
player), судей (referee), вратарей (goalkeeper) и мяч (ball). - Дистилляция без ручной разметки: обучающие данные собраны автоматически из сегментационных масок SAM3.1 и детекций YOLO26x с дополнительной фильтрацией геометрии и повторов.
- Высокая скорость инференса: на видеокарте NVIDIA A10 модель выдаёт около 64 FPS при разрешении 640 пикселей с учётом пре- и постпроцессинга.
- Честная оценка ограничений: автор честно предупреждает, что детекция мяча пока слабая (AP50 всего 0.0636) и не подходит для замены полноценных трекеров мяча.
Что можно сделать
- Прототипировать спортивную аналитику: автоматически находить координаты игроков и арбитров на кадрах трансляций для построения тепловых карт или анализа расстановки.
- Дообучить под свои матчи: использовать веса
best_weights.ptкак стартовый чекпоинт в библиотеке Ultralytics для файнтюна на собственной выборке с других стадионов и ракурсов. - Изучить пайплайн псевдоразметки: воспроизвести схему автоматической генерации датасетов на основе SAM3.1 с помощью приложенных в репозитории конфигов обучения.
Пример
from huggingface_hub import hf_hub_download
from ultralytics import YOLO
weights = hf_hub_download("Mbonea/football-yolo26-sam31-distilled-v1", "best_weights.pt")
model = YOLO(weights)
results = model.predict("frame.jpg", imgsz=640, conf=0.4)
Подробнее
Согласованность с псевдоразметкой на тесте (AP50 / AP50:95): игроки — 0.930 / 0.732, судьи — 0.823 / 0.580, вратари — 0.653 / 0.509, мяч — 0.0636 / 0.0140.Обучена на 357 кадрах (с учётом цветовых вариаций формы) из одного матча Simba-Yanga в разрешении 720p на GPU NVIDIA A10 (пиковое потребление VRAM при обучении и оценке — 5.32 ГБ).
Ограничения: обобщающая способность на других матчах и стадионах не проверялась, трекинг объектов между кадрами отсутствует.










Comments