f1_fight_mnv3_16f
детектор драк для систем видеонаблюдения
1 мин чтенияобновлено
Модель f1_fight_mnv3_16f решает задачу автоматического распознавания драк и конфликтов на видеофрагментах. Она построена на базе лёгкой архитектуры MobileNetV3-Large с добавлением слоев временной свёртки и анализирует последовательности по 16 кадров. Разработка предназначена для интеграции в интеллектуальные охранные системы и охватывает задачи предиктивного мониторинга общественных мест. Модель отличается компактным размером (3.91 млн параметров) и высокой скоростью инференса на обычном железе.
Ключевые особенности
- Обучена на датасете реальных уличных конфликтов RWF-2000.
- Очень быстрая: 16.2 мс на CPU и 3.9 мс на RTX 5070.
- Поставляется в формате ONNX (16 МБ) и PyTorch.
- Принимает на вход клипы в формате NCTHW с разрешением 224×224.
Что можно сделать
- Встроить модель в систему умного видеонаблюдения для автоматического обнаружения потасовок в реальном времени.
- Использовать как компонент аналитики в охранных роботах или дронах с учётом специфики ракурса.
- Настроить пайплайн с двухэтапной фильтрацией для снижения ложных срабатываний.
Пример
# Загрузка модели и инференс через скрипт репозитория
python scripts/fetch_model.py --model f1_fight_mnv3_16f
Подробнее
Метрики: F1 на валидации — 0.824, AUC — 0.859.Железо: 3.91 M параметров, ~16.0 МБ в ONNX.
Ограничения: высокая чувствительность к ракурсу и домену (на спортивных видео или нестандартных ракурсах падает полнота), требуется бэкенд-подтверждение во избежание ложных тревог.
Базовая модель: MobileNetV3-Large (ImageNet).










Комментарии