К содержимому
Другое

road-ironwork-yolo11n

компактный детектор люков и дорожных катафотов

2 мин чтенияобновлено

Специализированная модель компьютерного зрения для поиска элементов дорожной инфраструктуры на записях с автомобильных камер: ливневых решёток, канализационных люков, малых крышек вентилей и светоотражающих катафотов (road studs). Чекпоинт построен на лёгкой архитектуре YOLO11n от автора pgodlews, обучен в разрешении 960 px на записях с боковых и задней камер автомобиля Tesla в Великобритании. Главная особенность модели — способ обучения на мелких удалённых катафотах (12–20 px): автор объединил трекинг по телеметрии скорости и руля с автоматической проверкой кропов через мультимодальные модели (Gemini Decision 1 и Qwen3.8-27B). Подойдёт разработчикам систем помощи водителю (ADAS), дорожного мониторинга и анализа видео с видеорегистраторов.

Ключевые особенности

  • Распознаёт 4 класса объектов: grate (ливневые решётки), cover (люки от 30 см), small (малые крышки до 30 см) и road_stud (дорожные катафоты).
  • Находит около 55% удалённых катафотов (12–20 px) на боковых камерах и 52% на задней против 12% при обучении только на ручной разметке.
  • Работает в реальном времени на компактном железе: 134 FPS в FP16 на Jetson Orin Nano 8 GB и 266 FPS на Jetson AGX Orin через TensorRT.
  • Обучена на 17 244 кадрах (3 164 с ручной проверкой на базе масок SAM 3.1 и 14 080 с автоматической разметкой).

Что можно сделать

  • Встроить в конвейер анализа записей с авторегистраторов для автоматического картирования дефектов и элементов дорожного полотна.
  • Развернуть на одноплатниках NVIDIA Jetson для детекции дорожной разметки и люков в реальном времени на частоте выше 36 FPS.
  • Использовать как базовый детектор в системах трекинга мелких объектов на дороге с опорой на телеметрию автомобиля.

Пример

from ultralytics import YOLO
model = YOLO("road-ironwork-yolo11n.pt")
results = model.predict("frame.jpg", imgsz=960, conf=0.25)
ПодробнееКачество на тестовой выборке (332 кадра): mAP50 — 0.771, mAP50-95 — 0.607 (grate 0.929, cover 0.821, small 0.644, road_stud 0.691).
Скорость: около 170 FPS на RTX 3090 (включая декодирование JPEG) и до 341 FPS на Jetson AGX Orin (INT8, без замера точности).
Ограничения: обучение велось на дневных записях с камер одного автомобиля в Великобритании; для задней камеры нужно обрезать кадр до верхних 720 строк выше бампера.
Лицензия: AGPL-3.0 (Ultralytics YOLO11); не предназначено для критически важных систем безопасности.
Примеры
Обсудить Telegram 0 35

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.

    # pgodlews/road-ironwork-yolo11n
    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 pgodlews/road-ironwork-yolo11n --local-dir ~/models/road-ironwork-yolo11n
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к road-ironwork-yolo11n
  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 road-ironwork-yolo11n — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

pgodlews/road-ironwork-yolo11n
Автор
pgodlews
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

350

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии