К содержимому
Другое

yolo26s-construction-ppe

детектор средств индивидуальной защиты для стройплощадок

2 мин чтения

Модель предназначена для автоматического поиска людей, защитных касок, сигнальных жилетов, а также нарушений техники безопасности (отсутствие каски или жилета) на фотографиях со строительных объектов. Она обучена на базе архитектуры YOLO (популярная библиотека для компьютерного зрения в реальном времени) и поставляется в форматах PyTorch и ONNX с разной степенью оптимизации (FP32, FP16, INT8). Разработка будет полезна инженерам по охране труда, разработчикам систем видеомониторинга и специалистам по автоматизации контроля на строительных площадках.

Ключевые особенности

  • Точно определяет наличие касок, жилетов и людей на снимках.
  • Поддерживает быстрый вывод в ONNX FP16 со скоростью отклика до 6.3 мс на GPU Tesla T4.
  • Доступна квантованная INT8-версия весом всего 11 МБ для работы на CPU и периферийных устройствах.
  • Проведена строгая проверка датасета на утечки данных между обучающей и тестовой выборками.

Что можно сделать

  • Интегрировать модель в систему видеонаблюдения на стройке для автоматического обнаружения рабочих без касок.
  • Настроить скрипт анализа фотографий с мобильных устройств инспекторов безопасности.
  • Запустить оптимизированную ONNX-версию на пограничных устройствах (edge box) с ограниченными ресурсами процессора.

Пример

from ultralytics import YOLO

model = YOLO("best-int8.onnx")
for r in model.predict("site.jpg", conf=0.35):
    for xyxy, cls, conf in zip(r.boxes.xyxy.tolist(), r.boxes.cls.tolist(), r.boxes.conf.tolist()):
        print(r.names[int(cls)], round(conf, 2), [round(v) for v in xyxy])
ПодробнееМетрики на тестовом сплите (119 изображений): общий mAP50 равен 0.900, mAP50-95 составляет 0.509.
Требования к железу: поддерживается работа на GPU (рекомендуется FP16) и CPU через ONNX Runtime.
Ограничения: редкие классы вроде no-helmet имеют мало примеров в тесте, требуется валидация на реальных камерах видеонаблюдения.
Лицензия: веса унаследованы от Ultralytics YOLO и требуют соблюдения AGPL-3.0 для коммерческого использования.
Примеры
Обсудить Telegram 1

Запустится ли?

Запустится в FP16

Влезает без сжатия.

  • FP16веса 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 · FP16 — 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.

    # mpa-17/yolo26s-construction-ppe
    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 mpa-17/yolo26s-construction-ppe --local-dir ~/models/yolo26s-construction-ppe
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к yolo26s-construction-ppe
  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 yolo26s-construction-ppe — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

mpa-17/yolo26s-construction-ppe
Автор
mpa-17
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