К содержимому
Другое

YOLOv8s-visdrone

детекция мелких объектов с дрона

2 мин чтенияобновлено

Модель находит людей и транспорт на аэросъёмке: пешеходов, велосипеды, машины, фургоны, грузовики, автобусы, мотоциклы и трициклы — всего 10 классов. Это YOLOv8s от Ultralytics, дообученный автором на датасете VisDrone2019-DET под кадры с беспилотников, где объекты выглядят мелкими и плотно стоят друг к другу. Веса отдают готовый файл best.pt, который грузится через библиотеку ultralytics: можно запускать детекцию на видео и сразу включать трекинг (сопровождение объектов между кадрами) через bytetrack. Пригодится тем, кто разбирает съёмку с дрона: подсчёт транспорта, наблюдение за потоками людей, анализ парковок.

Ключевые особенности

  • 10 классов: pedestrian, people, bicycle, car, van, truck, tricycle, awning-tricycle, bus, motor
  • Обучение на VisDrone2019-DET, размер изображения 640, 21 эпоха
  • Совместимость с ultralytics: и обычный inference, и трекинг через tracker="bytetrack.yaml"
  • Лёгкий бэкбон YOLOv8s — обучение шло на GTX 1660 Super с 6 ГБ VRAM
  • Некоммерческая лицензия весов CC BY-NC-SA 3.0

Что можно сделать

  • Прогнать запись с дрона и посчитать машины и пешеходов по кадрам
  • Сделать трекер объектов в реальном времени: model.track с bytetrack на видеофайле или потоке
  • Дообучить под свои классы и условия съёмки — с оглядкой на некоммерческую лицензию
  • Собрать разбор парковки или затора по аэрофото и видео

Пример

from huggingface_hub import hf_hub_download
from ultralytics import YOLO

weights = hf_hub_download("ibtehajkhanAI/yolov8s-visdrone", "best.pt")
model = YOLO(weights)
results = model.track("drone_video.mp4", tracker="bytetrack.yaml", show=True)
ПодробнееVisDrone2019-DET val: mAP50 — 0.369, mAP50-95 — 0.210, Precision — 0.504, Recall — 0.364.
Обучение: 21 эпоха, image size 640, GTX 1660 Super (6 ГБ), AMP отключён.
Лицензия весов CC BY-NC-SA 3.0: только некоммерческое использование, производные — под той же лицензией. Код Ultralytics — AGPL-3.0, датасет VisDrone — AISKYEYE team, Tianjin University.
Обсудить Telegram 0 44

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.1 GB · готовые файлы0.6 GB
  • FP8 / INT8рекомендуемвеса 0.1 GB0.6 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.

    # ibtehajkhanAI/yolov8s-visdrone
    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 ibtehajkhanAI/yolov8s-visdrone --local-dir ~/models/yolov8s-visdrone
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к yolov8s-visdrone
  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 yolov8s-visdrone — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

ibtehajkhanAI/yolov8s-visdrone
Автор
ibtehajkhanAI
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

440

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Другое

Javali Detech

Javali Detech
Другое

EGFR pIC50

EGFR pIC50