road-ironwork-yolo11n
компактный детектор люков и дорожных катафотов
2 min readupdated
Специализированная модель компьютерного зрения для поиска элементов дорожной инфраструктуры на записях с автомобильных камер: ливневых решёток, канализационных люков, малых крышек вентилей и светоотражающих катафотов (road studs). Чекпоинт построен на лёгкой архитектуре YOLO11n от автора pgodlews, обучен в разрешении 960 px на записях с боковых и задней камер автомобиля Tesla в Великобритании. Главная особенность модели — способ обучения на мелких удалённых катафотах (12–20 px): автор объединил трекинг по телеметрии скорости и руля с автоматической проверкой кропов через мультимодальные модели (Gemini Decision 1 и Qwen3.8-27B). Подойдёт разработчикам систем помощи водителю (ADAS), дорожного мониторинга и анализа видео с видеорегистраторов.
Ключевые особенности
- Распознаёт 4 класса объектов:
grate(ливневые решётки),cover(люки от 30 см),small(малые крышки до 30 см) иroad_stud(дорожные катафоты). - Находит около 55% удалённых катафотов (12–20 px) на боковых камерах и 52% на задней против 12% при обучении только на ручной разметке.
- Работает в реальном времени на компактном железе: 134 FPS в FP16 на Jetson Orin Nano 8 GB и 266 FPS на Jetson AGX Orin через TensorRT.
- Обучена на 17 244 кадрах (3 164 с ручной проверкой на базе масок SAM 3.1 и 14 080 с автоматической разметкой).
Что можно сделать
- Встроить в конвейер анализа записей с авторегистраторов для автоматического картирования дефектов и элементов дорожного полотна.
- Развернуть на одноплатниках NVIDIA Jetson для детекции дорожной разметки и люков в реальном времени на частоте выше 36 FPS.
- Использовать как базовый детектор в системах трекинга мелких объектов на дороге с опорой на телеметрию автомобиля.
Пример
from ultralytics import YOLO
model = YOLO("road-ironwork-yolo11n.pt")
results = model.predict("frame.jpg", imgsz=960, conf=0.25)Подробнее
Качество на тестовой выборке (332 кадра): mAP50 — 0.771, mAP50-95 — 0.607 (grate 0.929, cover 0.821, small 0.644, road_stud 0.691).Скорость: около 170 FPS на RTX 3090 (включая декодирование JPEG) и до 341 FPS на Jetson AGX Orin (INT8, без замера точности).
Ограничения: обучение велось на дневных записях с камер одного автомобиля в Великобритании; для задней камеры нужно обрезать кадр до верхних 720 строк выше бампера.
Лицензия: AGPL-3.0 (Ultralytics YOLO11); не предназначено для критически важных систем безопасности.










Comments