К содержимому
Другое

drowsiness-detection-landmarks

детектор 98 точек лица для контроля сонливости

2 мин чтенияобновлено

Модель находит на каждом лице в кадре 98 ключевых точек по схеме WFLW, чтобы точно измерять степень раскрытия глаз (метрику EAR — Eye Aspect Ratio) и отличать обычное моргание от долгого засыпания. В основе лежит дообученный ResNet-18 с кастомной головой на 15,4M параметров и слоем soft-argmax для субпиксельной точности, а для первичного поиска лиц в комплект уже встроен детектор YuNet. В отличие от базовых детекторов точек, автор специально усилил обучение на закрытых глазах, поэтому модель находит их почти в три раза лучше стандартного бейзлайна (67,5% против 23,4%). Пригодится разработчикам систем мониторинга водителей, исследователям компьютерного зрения и для учебных прототипов на CPU.

Ключевые особенности

  • Фокус на области глаз: при обучении точкам глаз назначен восьмикратный вес в функции потерь, а примеры с закрытыми глазами встречались в 8 раз чаще.
  • Полный пайплайн из коробки: внутри репозитория уже есть ONNX-модель детектора YuNet и скрипт predict.py, который сразу возвращает координаты в масштабе исходного кадра.
  • Лёгкий запуск на CPU: вся модель весит 15,4M параметров и обрабатывает изображение за ~150 мс на процессоре ноутбука даже с учётом зеркального TTA (усреднения предсказаний).
  • Субпиксельная точность: слой soft-argmax вычисляет координаты напрямую по тепловым картам 64×64, что критично, когда высота глаза в кропе 256×256 составляет около 10 пикселей.

Что можно сделать

  • Собрать прототип системы контроля усталости водителя по веб-камере (готовое видеоприложение app.py есть в GitHub-репозитории автора).
  • Встроить офлайн-трекинг моргания и положения контуров лица в локальное Python-приложение без GPU и обращения к внешним API.
  • Использовать веса и код обучения как наглядный учебный пример задачи keypoint detection с кастомной балансировкой редких классов.

Пример

import cv2
from predict import LandmarkModel

model = LandmarkModel("modelo.pt", device="cpu")
image = cv2.cvtColor(cv2.imread("photo.jpg"), cv2.COLOR_BGR2RGB)
landmarks = model.predict(image)  # (N, 98, 2) в пикселях исходного кадра
ПодробнееМетрики на WFLW test (2 500 лиц): общий NME 5,12%, NME по глазам 3,27%, доля обнаруженных закрытых глаз 67,5% (при 5,2% ложных срабатываний).
Железо: работает на CPU (~150 мс на кадр с детекцией и flip TTA), обучение проводилось на NVIDIA RTX A6000.
Ограничения: хуже справляется с сильными поворотами головы (NME 9,22%), реагирует на улыбку или взгляд вниз как на прищур, не тестировалась на ИК-камерах; лицензия CC BY-NC 4.0 (только некоммерческое использование).
Примеры
Обсудить Telegram 0 30

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.1 GB · готовые файлы0.6 GB
  • FP8 / INT8рекомендуемвеса 0.0 GB0.5 GB
  • 4-bitвеса 0.0 GB0.5 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · BF16 — от RTX 2060

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # arthursilvadantas/drowsiness-detection-landmarks
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download arthursilvadantas/drowsiness-detection-landmarks --local-dir ~/models/drowsiness-detection-landmarks
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к drowsiness-detection-landmarks
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Новые посты про версии drowsiness-detection-landmarks — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

arthursilvadantas/drowsiness-detection-landmarks
Автор
arthursilvadantas
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

300

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии