К содержимому
Другое

sunnypilot-speedlimits-models

набор нейросетей для чтения знаков скорости в автопилоте

2 мин чтенияобновлено

Это связка из трёх лёгких моделей в формате ONNX (открытый стандарт для быстрого запуска нейросетей на разных устройствах), созданная для функции Speed Limit Assist в системе помощи водителю sunnypilot. Модели анализируют изображение с узкоугольной дорожной камеры устройств comma: первая находит знаки в кадре, вторая распознаёт их тип и значение (62 класса), а третья определяет, относится ли ограничение скорости именно к полосе автомобиля. В основе лежат кастомная свёрточная сеть SignNet и компактная архитектура MobileNetV3-Small. Набор пригодится разработчикам систем автономного вождения, ADAS и энтузиастам openpilot/sunnypilot.

Ключевые особенности

  • Три этапа обработки: cutter.onnx (SignNet) ищет до 5 кандидатов на кадр (вход 1×3×288×896), classifier.onnx (MobileNetV3-Small) классифицирует вырезанные области 160×160, а decider.onnx проверяет применимость знака к текущей дороге.
  • 62 класса знаков: распознаёт стандартные ограничения скорости (от 10 до 120), знаки с табличками времени и мокрой дороги, электронные табло, зоны, разметку на асфальте, отмену ограничений и светофоры.
  • Учёт контекста: модель decider.onnx принимает не только картинку, но и координаты рамки, скорость машины и сцену, выдавая own_road, other_road или воздерживаясь от ответа (unresolved).
  • География обучения: модели предобучены на Mapillary Traffic Sign Dataset и дообучены на 10 948 кадрах из поездок по Швейцарии, Германии, Франции и США.

Что можно сделать

  • Интегрировать модели в форки sunnypilot или openpilot на устройствах comma для работы ассистента контроля скорости.
  • Использовать конвейер из детектора и классификатора в собственных проектах видеоаналитики для авторегистраторов и систем помощи водителю.
  • Применить архитектуру decider.onnx как референс для фильтрации «чужих» знаков с дублёров и соседних съездов.

Пример

Пайплайн работает последовательно: 1) кадр масштабируется до ширины 896 px, берётся верхняя полоса 288×896 и подаётся в cutter.onnx для поиска до 5 рамок со score не ниже 0.3; 2) вырезанные области приводятся к 160×160 с нормализацией ImageNet и передаются батчем в classifier.onnx, отбрасывая класс not_a_sign; 3) знаки скорости отправляются в decider.onnx согласно контрактам *.contract.json.

ПодробнееКачество на тестовых заездах: Cutter находит 65% знаков (491 из 753) при 0.34 ложных срабатывания на кадр.
Связка Cutter + Classifier корректно находит и читает 74% знаков скорости (156 из 211), ложных рамок — 0.08 на кадр.
Applicability (decider.onnx): precision 0.50 и recall 0.19 для класса «другая дорога» (на 16 примерах), macro-F1 — 0.41.
Ограничения и лицензия: экспериментальный релиз (не заменяет контроль водителя); веса под CC BY-NC-SA 4.0, код запуска под MIT.
Обсудить Telegram 0

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.

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

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

О модели

cristianku/sunnypilot-speedlimits-models
Автор
cristianku
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии