YOLO11n v7

Файнтюн чекпоинта YOLO11n от автора Seemorgh, дообученный на базе Seemorgh/yolo11n-aod4-v6 (best.pt) под поиск мелких объектов в аэросъёмке. Модель различает четыре класса: airplane, bird, drone и helicopter. Работает через библиотеку Ultralytics.

🔥 Ключевые особенности

• 👁 Обучение на 12 000 изображений: 1 803 тайла Purdue 640 px из 8 клипов и 10 197 картинок AOD4 v6.
• ✅ Валидация — 562 изображения: 281 тайл из 2 отложенных клипов Purdue и 281 из AOD4 valid.
• 🦾 Настройки: freeze=10, SGD с lr0=0.001 и lrf=0.1, 30 эпох, лучший чекпоинт на 20-й, seed 0, Ultralytics 8.4.87.
• 📉 Заметный прирост на Purdue: first-pick end-to-end 12.6% → 59.4%, tolerant candidate recall 34% → 80.5%.
• 🤝 Веса под AGPL-3.0, как требует Ultralytics; AOD4 v6 — CC BY 4.0, Purdue UAV — BSD 3-Clause.

😎 Пример

Сценарий из карточки: модель дообучали под кадры с камеры дрона, где фоном идут облака и рельеф. На инференсе YOLO11n ищет четыре класса целей на тайлах 640 px — например, чтобы отличить дрон или вертолёт от птицы в кадре аэросъёмки. Готового кода запуска в карточке нет, зато есть папка reproduce/ с манифестами, записями прогонов и результатами оценки.

Подробнее

Purdue first-pick end-to-end: 12.6% → 59.4% (парный 95% ДИ прироста: +40.8…+53.6 п.п.).
AOD4 macro AP50: 0.960 → 0.960; macro AP50–95: 0.662 → 0.655 при пороге 0.652 — впритык.
Это не независимая проверка: настройки v7 выбрали после просмотра результатов первого файнтюна, тест-сеты те же.
Камера Purdue стоит на дроне, дистракторы — облака и рельеф, а не птицы; проверка позиции боксов дала 72% при пороге 80%.