fashionpedia-yolo26n-3classes
лёгкая модель для выделения одежды на фото
2 мин чтенияобновлено
Чекпоинт дообучен для задачи instance segmentation (поэкземплярной сегментации, когда нейросеть находит каждый объект отдельно и обводит его по контуру) предметов гардероба на фотографиях. На выходе модель выдаёт класс вещи, оценку уверенности, рамку (bounding box) и попиксельную маску для каждого элемента одежды. В основе лежит компактная архитектура Ultralytics YOLO26n-seg, дообученная автором Qudef1 на 10% обучающей выборки датасета Fashionpedia в рамках лабораторного проекта FashionSwap AI. Модель пригодится разработчикам сервисов виртуальной примерки и инструментов локального редактирования изображений, где нужно точно выделить конкретную вещь на человеке.
Ключевые особенности
- Определяет класс, рамку и точную попиксельную маску для каждого предмета одежды на снимке.
- Построена на базе лёгкой архитектуры Ultralytics YOLO26n-seg и работает даже на CPU.
- Обучена на изображениях с входным разрешением
imgsz=512. - Список классов хранится внутри чекпоинта и доступен через
model.names.
Что можно сделать
- Автоматически создавать маски одежды для последующей локальной замены или перекрашивания вещей через модели редактирования изображений.
- Встроить модель в пайплайн каталогизации гардероба или e-commerce для поиска и вырезания отдельных элементов одежды с фото.
- Использовать как быстрый базовый ориентир (baseline) для сравнения с другими детекторами и сегментаторами одежды.
Пример
from huggingface_hub import hf_hub_download
from ultralytics import YOLO
weights = hf_hub_download(repo_id="Qudef1/fashionpedia-yolo26n-3classes", filename="best.pt")
model = YOLO(weights)
result = model.predict(source="person.jpg", device="cpu", imgsz=512, conf=0.25, retina_masks=True)[0]
result.save(filename="prediction.jpg")
Подробнее
Обучена на 10% тренировочного сплита Fashionpedia при разрешении 512 px; в репозитории доступны чекпоинтыbest.pt и last.pt, конфиг args.yaml и логи метрик по эпохам results.csv.Ограничения: это лабораторный baseline, поэтому перед использованием в продакшене маски стоит проверять на своих данных — возможны неточности на тонких границах и при перекрытии одежды.
Запускается через стандартную библиотеку
ultralytics как из Python, так и из командной строки.









Комментарии