Construction PPE YOLO11n

Модель от haroonx02 — YOLO11n, дообученный на 2 605 изображениях датасета Roboflow Construction Site Safety. Находит 10 классов: каски, маски, жилеты и их отсутствие, людей, конусы, технику и транспорт. PyTorch-чекпоинт весит 5,5 МБ, есть ONNX FP32, FP16 и INT8.

📝 Ключевые особенности

• 👌 Детекция 10 классов, включая нарушения: NO-Hardhat, NO-Mask, NO-Safety Vest.
• 🤝 В проекте каски и жилеты привязываются к человеку, каждому работнику назначается статус.
• 🤓 Четыре формата: PyTorch и ONNX FP32/FP16/INT8; INT8 весит 3,3 МБ.
• 😎 ONNX-вход 1×3×640×640, выход 1×14×8400; NMS в граф не входит.
• 🙃 Учебный проект, не система безопасности: около трети нарушений в тесте пропускается.

⌨ Пример

from ultralytics import YOLO

model = YOLO('yolo11n_ppe_int8.onnx', task='detect')
# метаданные встроены — модель готова к инференсу

Подробнее

mAP@0.5: 0.713 на всех 82 тестовых изображениях; на 40 «чистых» — 0.671.
INT8: 0.698 / 0.650 mAP@0.5 (все / чистые), флаги нарушений P/R — 0.95 / 0.67.
Обучение: 40 эпох, 59 минут на Apple M5, 640 px.
Ограничения: в основном дневные сцены; автоматическая дисциплина работников недопустима без правовых оснований. Веса — AGPL-3.0, данные — CC BY 4.0.