К содержимому
Другое

RAQEEB-CCTV

сегментация поэтажных планов для систем видеонаблюдения

2 мин чтенияобновлено

Модель распознаёт и выделяет контурами (полигональными масками) строительные элементы и зоны на архитектурных планах зданий — от стен и дверей до лифтов, лестниц и знаков выхода. Она построена на базе компактной архитектуры YOLO11s-seg (10,1 млн параметров, разрешение входа 1024 px) от разработчика swedishtech. В отличие от простых детекторов, которые рисуют лишь прямоугольные рамки, эта нейросеть строит точные маски объектов, а комплектный скрипт умеет работать напрямую с чертежами AutoCAD и записывать разметку обратно в файл. Инструмент пригодится инженерам безопасности, проектировщикам систем видеонаблюдения (CCTV) и исследователям, которым нужно быстро разметить планировку.

Ключевые особенности

  • Распознавание 11 классов объектов: стены, двери, окна, открытые проёмы, колонны, лестницы, лифты, эскалаторы, знаки выхода, ворота и помещения/коридоры.
  • Обучение на 62 205 планах: датасет собран из 16 открытых источников со схемой частичной разметки, чтобы неполные аннотации не путали модель.
  • Интеграция с AutoCAD: отдельный скрипт обрабатывает файлы DWG/DXF и добавляет найденные рамки и подписи на отдельные слои (RAQEEB-DOOR, RAQEEB-WALL и др.).
  • Высокая точность на ключевых узлах: на тестовой выборке из 1 682 планов лифты определяются с mask mAP50 0.974, знаки выхода — 0.952, помещения — 0.898, двери — 0.820.
  • Очередь ручной проверки: комплектные скрипты умеют применять индивидуальные пороги уверенности из thresholds.json и отправлять спорные находки на ревью человеку.

Что можно сделать

  • Автоматизировать предпроектную разметку планов: прогнать растровые планировки (PNG, JPEG или PDF) для быстрого поиска точек входа, лифтовых холлов и коридоров при планировании зон обзора камер.
  • Обогащать рабочие чертежи в CAD: использовать cad_raqeeb.py для автоматического проставления слоёв с дверями и лестницами в файлах AutoCAD.
  • Встроить в пайплайн анализа недвижимости: извлекать координаты помещений и проходов в формате JSON для последующей обработки в собственных скриптах.

Пример

from huggingface_hub import hf_hub_download
from ultralytics import YOLO

weights = hf_hub_download("swedishtech/RAQEEB-CCTV", "raqeeb-cctv-v1.0.0.pt", revision="v1.0.0")
model = YOLO(weights)
result = model.predict("plan.png", imgsz=1024, conf=0.25)[0]
result.save("plan_detections.jpg")
ПодробнееОбщие метрики на тесте (1 682 изображения): mask mAP50 — 0.691, mask mAP50-95 — 0.427, box mAP50-95 — 0.567.
Размер весов: 20,6 МБ (fp16); растровые планы нужно подавать целиком без нарезки на тайлы.
Ограничения: класс gate не поддерживается (нет обучающих данных), escalator не валидирован, column и open_passage определяются слабо; в тонколинейных DWG-чертежах AutoCAD надёжно находятся только двери (96–99%), но не стены, окна и колонны.
Лицензия: CC BY-NC 4.0 (только для некоммерческого и исследовательского использования).
Примеры
Обсудить Telegram 0 227

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.

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

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

О модели

swedishtech/RAQEEB-CCTV
Автор
swedishtech
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

2270

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии