skyPeak-11n
детектор людей и транспорта для съёмки с дронов
2 мин чтенияобновлено
Модель решает задачу object detection (поиска и выделения объектов рамками) на кадрах с беспилотников: на выходе вы получаете координаты и классы людей, автомобилей и других участников движения. В основе лежит лёгкая архитектура yolo11n.pt (предобученная на COCO), дообученная автором Polymanius на датасете VisDrone2019-DET. Главное отличие от стандартной базы — обучение в повышенном разрешении 960 пикселей, благодаря чему модель не теряет мелкие и сильно удалённые объекты на аэроснимках. Пригодится разработчикам систем компьютерного зрения, исследователям и энтузиастам, работающим с видеопотоком с БПЛА.
Ключевые особенности
- Распознаёт 10 классов объектов: пешеходов, людей, велосипеды, легковые авто, фургоны, грузовики, трициклы (в том числе с тентом), автобусы и мотоциклы.
- Обучена на входном разрешении 960 px для сохранения деталей на дистанции, поэтому при инференсе рекомендуется передавать параметр
imgsz=960. - Работает через стандартную библиотеку
ultralytics, легко скачивается и запускается в пару строк кода.
Что можно сделать
- Анализировать записи с квадрокоптеров для подсчёта пешеходов и мониторинга дорожного трафика.
- Встроить детектор в учебные или исследовательские пайплайны на базе
ultralyticsдля трекинга объектов с воздуха.
Пример
from huggingface_hub import hf_hub_download
from ultralytics import YOLO
model = YOLO(hf_hub_download("Polymanius/skyPeak-11n", "skyPeak-11n.pt"))
results = model.predict("drone_image.jpg", imgsz=960)
results[0].show()
Подробнее
Метрики на VisDrone val (548 изображений): mAP50 — 0.425, mAP50-95 — 0.248, Precision — 0.538, Recall — 0.411.Обучение: 39 эпох на полном train-сплите VisDrone2019-DET (~6.5 тыс. изображений), batch 32, AMP, cosine LR, отключение mosaic на последних 5 эпохах (~24 минуты на одной A100, Ultralytics 8.4.211).
Лицензия: производная от AGPL-3.0 и CC BY-NC-SA 3.0 (только для некоммерческого использования).










Комментарии