К содержимому
Другое

yolo11n-poker-table-cards

детектор карт на покерных столах

2 мин чтенияобновлено

Модель распознаёт открытые игральные карты на скриншотах покерных столов и определяет номинал и масть каждой из них. Это файнтюн (дообученная версия) компактной архитектуры YOLO11n на базе чекпоинта yolov11_playing_cards_detection от автора ThreeSixNine. В отличие от базовой модели, которая почти не находила карты на игровых столах, эта версия уверенно определяет их расположение на синтетических рендерах с разными скинами, масштабами, шрифтами и шумом. Пригодится разработчикам инструментов для анализа раздач, игровых ассистентов и систем компьютерного зрения.

Ключевые особенности

  • Почти безошибочное нахождение карт: метрика Detection IoU≥0.4 выросла с 0.193 у базовой модели до 0.999.
  • Поддерживает все 52 класса стандартной колоды с тем же порядком классов, что и в исходном чекпоинте.
  • Высокая скорость на CPU — обработка одного кадра занимает 0.33 секунды при разрешении 1280.
  • Обучена на 800 тренировочных и 80 валидационных рендерах (1600×900) из датасета poker-table-perception-eval.

Что можно сделать

  • Собрать парсер скриншотов онлайн-покера для автоматического сбора статистики и анализа сыгранных раздач.
  • Использовать как модуль распознавания состояния стола в покерном ассистенте или симуляторе принятия решений.
  • Дообучить модель на реальных фотографиях карт или захватах экрана из Steam, чтобы повысить точность определения номинала и масти.

Пример

from huggingface_hub import hf_hub_download
from ultralytics import YOLO

w = hf_hub_download("ThreeSixNine/yolo11n-poker-table-cards", "best.pt")
model = YOLO(w)
r = model.predict("table.png", conf=0.1, imgsz=1280)
ПодробнееМетрики (тест на 741 карте, conf 0.1, imgsz 1280): Detection IoU≥0.4 — 0.999, точность классификации — 0.586 (против 0.193 и 0.119 у базы).
Обучение: 80 эпох, batch 16, imgsz 1280 на GPU a10g-small (31.6 минуты).
Ограничения: работа на реальных фото и скриншотах из игр не проверялась, возможна путаница между 52 классами рангов и мастей.
Обсудить Telegram 0 36

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.

    # ThreeSixNine/yolo11n-poker-table-cards
    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 ThreeSixNine/yolo11n-poker-table-cards --local-dir ~/models/yolo11n-poker-table-cards
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к yolo11n-poker-table-cards
  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 yolov11_playing_cards_detection — сжатые, дообучения, LoRA — появятся в колокольчике.

Дообучения 1Все на Hugging Face

О модели

ThreeSixNine/yolo11n-poker-table-cards
Автор
ThreeSixNine
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

360

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии