К содержимому
Другое

TableVision AI

мониторинг занятости столиков в ресторане по видео

2 мин чтенияобновлено

Готовая система компьютерного зрения на Python от CodeEvelyn, которая анализирует запись с камеры наблюдения в ресторане и определяет, какие столы заняты, а какие свободны. В основе лежит детектор YOLO11 (предобученный на COCO), а результаты выводятся в интерактивный веб-дашборд на базе Streamlit. В отличие от простого подсчёта людей в кадре, проект использует временную фильтрацию (гистерезис), чтобы проходящие мимо официанты или случайные перекрытия не меняли статус стола. Пригодится разработчикам, изучающим прикладную видеоаналитику, и владельцам заведений для автоматического учёта посадки.

Ключевые особенности

  • Привязка по точке опоры: система вычисляет координаты области бёдер человека (65% высоты рамки) и проверяет их попадание в заданный полигон стола с допуском 12 пикселей.
  • Защита от ложных срабатываний: стол считается занятым при наличии человека в ≥ 60% проверок за последние 10 секунд и освобождается только если доля ниже 15% за 20 секунд.
  • Веб-дашборд на Streamlit: отображает видеопоток с зелёными и красными контурами столов, общую статистику, таймеры длительности статуса и историю изменений.
  • Гибкая настройка: в интерфейсе можно выбрать между быстрой моделью yolo11n и более точной yolo11s, а также задать шаг пропуска кадров для работы на CPU.

Что можно сделать

  • Внедрить в кафе или фудкорте: разметить зоны посадки под свою камеру с помощью встроенного скрипта configurar_mesas.py и отслеживать загруженность зала.
  • Использовать как шаблон для видеоаналитики: адаптировать логику полигонов и конечного автомата для контроля очередей, парковочных мест или рабочих зон.
  • Оптимизировать под слабое железо: настроить анализ каждого 10-го кадра (~3 проверки в секунду), чтобы запускать систему без мощной видеокарты.

Пример

python -m venv .venv
.\.venv\Scripts\python -m pip install -r requirements.txt
.\.venv\Scripts\python -m streamlit run app.py
ПодробнееПоддерживаемые модели: yolo11n (быстрая) и yolo11s (точнее на дальнем плане).
Тестовый ролик: 640×368, 30 fps, длительность 62 минуты (14 размеченных столов).
Ограничения: столы на краю кадра определяются хуже, а официант, стоящий у пустого стола дольше 10 секунд, может отметить его как занятый.
Обсудить Telegram 1

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.0 GB · готовые файлы0.5 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.

    # CodeEvelyn/TableVision
    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 CodeEvelyn/TableVision --local-dir ~/models/TableVision
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к TableVision
  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 TableVision — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

CodeEvelyn/TableVision
Автор
CodeEvelyn
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

01

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Другое

PERSIST

PERSIST