К содержимому
Другое

YOLO11n v8: drone or bird

детектор мелких дронов в высоком разрешении

3 мин чтенияобновлено

Модель компьютерного зрения для обнаружения небольших беспилотников в кадрах высокого разрешения и их точного отделения от птиц, самолётов и вертолётов. Это файнтюн (дообученная версия) компактной архитектуры YOLO11n на базе чекпоинта yolo11n-aod4-v7-small-targets от автора Seemorgh для библиотеки Ultralytics. В отличие от прошлой версии v7, которая находила лишь 6.5% дронов на валидации LRDD, новая модель выявляет более половины целей на тестовой выборке, а в связке с трекером вообще не путает птиц с дронами. Решение пригодится разработчикам систем видеомониторинга неба и исследователям задачи детекции сверхмалых объектов.

Ключевые особенности

  • Тайловый анализ кадров: детектор нарезает изображение в полном разрешении на квадраты 640×640 пикселей с перекрытием 20%, чтобы мелкие объекты не терялись при сжатии, а затем объединяет кандидатов.
  • Четыре класса объектов: модель распознаёт дроны (drone), птиц (bird), самолёты (airplane) и вертолёты (helicopter), срабатывая на дрон при уверенности от 0.60.
  • Опциональный каузальный трекер: скрипт track.py связывает объекты между кадрами без заглядывания в будущее и подтверждает трек только после 3 кадров и смещения минимум на половину ширины объекта.
  • Честная оценка без утечек: все пороги и настройки трекера зафиксировали на валидации до единичного прогона на тестовых наборах LRDD и Drone-vs-Bird.

Что можно сделать

  • Построить пайплайн постобработки видеопотока с камер наблюдения для выявления мелких БПЛА размером от 16 пикселей по меньшей стороне.
  • Использовать в связке с трекером reproduce/common/track.py для фильтрации ложных срабатываний на птиц в статичных камерах видеонаблюдения.
  • Взять чекпоинт за основу для дообучения под конкретные камеры и условия съёмки, чтобы повысить полноту детекции на новых ракурсах.

Пример

Сценарий запуска из карточки: кадр в полном разрешении разбивается на тайлы 640 px с перекрытием 20%, прогоняется через чекпоинт best.pt в Ultralytics, после чего кандидаты с уверенностью ≥ 0.60 передаются в трекер reproduce/common/track.py. На тесте LRDD (18 732 дрона и 1 998 птиц) связка «модель + трекер» обнаружила 51.7% дронов и 0 раз ошибочно приняла птицу за дрон.

Подробнее Метрики (порог 0.60): на LRDD test v8 находит 53.6% дронов (8 ложных срабатываний на 1 998 птиц), с трекером — 51.7% дронов и 0 ложных срабатываний на птиц; лучшая точность (86%) достигается на дронах размером 32–64 px.
Обучение: 34 096 тайлов из LRDD v3 и AOD4 v6, 16 эпох (лучший чекпоинт на 11-й, val mAP50–95 = 0.275), Ultralytics 8.4.87.
Ограничения: на камерах из нового домена (Drone-vs-Bird) бокс ставится на 69% дронов, но порог 0.60 проходят только 16–18%; объекты меньше 8 px почти не определяются; не тестировалось на смартфонах и в реальном времени.
Лицензия весов: AGPL-3.0.
Обсудить Telegram 0 16

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.

    # Seemorgh/yolo11n-v8-drone-or-bird
    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 Seemorgh/yolo11n-v8-drone-or-bird --local-dir ~/models/yolo11n-v8-drone-or-bird
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к yolo11n-v8-drone-or-bird
  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

  1. yolo11n-aod4-v6основа семьи
  2. yolo11n-aod4-v7-small-targets
  3. yolo11n-v8-drone-or-bird

Новые посты про версии yolo11n-aod4-v6 — сжатые, дообучения, LoRA — появятся в колокольчике.

Дообучения 1Все на Hugging Face

О модели

Seemorgh/yolo11n-v8-drone-or-bird
Автор
Seemorgh
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

160

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Другое

drone-v1

drone-v1