VigiClaw YOLO
детекция и сегментация на YOLO26
1 min readupdated
Репозиторий pengxianglu с двумя наборами весов Ultralytics YOLO26: real для детекции объектов на реальных изображениях и sim для instance segmentation на симуляционных. В основе — YOLO26s и YOLO26s-seg; вход 640 и 512 px, 4 и 14 классов соответственно.
Ключевые особенности
- real: detection, 4 класса — кубы red/green/blue/yellow, imgsz 640.
- sim: instance segmentation, 14 классов — кубы, чаши, чашки, фрукты и др., imgsz 512.
- Чекпоинты обучены в Ultralytics 8.4.38, по 300 эпох, batch 16, pretrained=true.
- ID классов различаются: yellow cube — ID 3 в real и ID 13 в sim, результаты нельзя объединять по номерам.
- Есть
predict.pyи готовые весаbest.pt/last.ptдля инференса и дообучения.
Пример
from huggingface_hub import hf_hub_download
from ultralytics import YOLO
w = hf_hub_download(repo_id='pengxianglu/vigiclaw-yolo-checkpoint', filename='real/weights/best.pt')
model = YOLO(w, task='detect')
results = model.predict(source='image.jpg', imgsz=640, conf=0.25, device='cpu')
print(model.names, results[0].boxes)
Подробнее
Метрики изbest.pt: real Box — mAP50 0.995, mAP50–95 0.92955; sim Box — mAP50 0.99115, mAP50–95 0.96426; sim Mask — mAP50–95 0.82684.По умолчанию инференс на CPU, GPU — через
device=0; отдельных требований к VRAM в карточке нет.Классы ограничены, sim на реальных изображениях отдельно не проверялся; метрики взяты из train_metrics, а не из внешнего теста.










Comments