YOLO26n-head-detection-cut-P3
быстрый детектор голов для крупного и среднего плана
2 min readupdated
Одноклассовая модель (детектирует только класс head) от автора wesjos на базе Ultralytics YOLO26n для быстрого поиска голов в кадре размером 320×320 пикселей. Из стандартной архитектуры полностью удалена ветка P3 (слой с высоким разрешением, отвечающий за поиск самых мелких деталей), что позволило заметно снизить вычислительную нагрузку и ускорить работу модели. При этом обучали её на полном наборе данных без отбрасывания мелких разметкок, благодаря чему качество распознавания средних объектов (занимающих от 2% до 10% кадра) оказалось даже выше, чем у трёхголового аналога. Подойдёт для систем видеоконференций, контроля доступа на близком расстоянии, стриминга и фронтальных камер смартфонов.
Ключевые особенности
- Облегчённая архитектура: удаление всей ветки P3 оставило 2 головы детекции (P4 и P5) вместо 3, сократив объём вычислений после слияния слоёв (BN fusion) на 18,5% — до 1,076 GFLOPs.
- Прирост скорости: задержка на один кадр снизилась на 21% по сравнению с полной трёхголовой версией.
- Фиксированное разрешение 320×320: модель жёстко заточена под вход 320 пикселей (89,4% обучающей выборки имели именно такой размер); подача 640×640 резко роняет точность mAP50-95 с 0,930 до 0,686.
- Чёткие границы применимости: уверенно ловит головы размером от 2% площади кадра, но не предназначена для съёмки плотных толп с воздуха или дальнего видеонаблюдения.
Что можно сделать
- Автокадрирование для вебкамер и стримов: встроить в софт для видеозвонков или мобильные приложения, чтобы удерживать лицо спикера в центре кадра с минимальной нагрузкой на процессор.
- Локальный контроль доступа: использовать на маломощных устройствах или в ONNX-пайплайнах для быстрого триггера присутствия человека перед терминалом.
Пример
from ultralytics import YOLO
model = YOLO('head320_yolo26n_full2h_best.pt')
results = model.predict('photo.jpg', imgsz=320, conf=0.25)
for box in results[0].boxes:
print(box.xyxy.tolist(), float(box.conf))Подробнее
Метрики (val ≥2% кадра, imgsz=320): mAP50 — 0.9947, mAP50-95 — 0.9298, recall на средних целях (2–10%) — 0.9485.Параметры: ~2,31M после BN fusion (2,54M без слияния), вычисления — 1.076 GFLOPs @320.
Обучение: 23 150 изображений (24 575 боксов), режим
end2end=False (для сырого экспорта в ONNX требуется постобработка NMS).









Comments