К содержимому
Другое

YOLO26n room dirtiness

детектор загрязнений и мусора в помещении

1 мин чтенияобновлено

Модель представляет собой дообученный (файнтюненный) чекпоинт Ultralytics для поиска пяти видов загрязнений: пролитых жидкостей, мусорных ведер, разбросанного мусора, плесени и пятен. Она основана на легкой архитектуре YOLO и обучена на специализированном датасете из 1200 изображений. Инструмент подойдет разработчикам систем умного дома, робототехники для уборки или сервисов автоматического контроля чистоты в помещениях.

Ключевые особенности

  • Быстрый инференс со средней задержкой 18.5 мс на изображении
  • Высокая общая точность с метрикой mAP50 на уровне 0.946
  • Компактный размер: всего около 2.5 миллионов параметров
  • Поддержка детекции пяти различных категорий беспорядка

Что можно сделать

  • Интегрировать модель в робот-пылесос или автономную уборочную технику для поиска мусора
  • Настроить систему видеонаблюдения для автоматического контроля порядка в комнатах
  • Использовать в аналитических приложениях для оценки степени загрязненности помещений

Пример

Пример кода для загрузки и запуска детекции с помощью библиотеки Ultralytics:

from huggingface_hub import hf_hub_download
from ultralytics import YOLO

path = hf_hub_download(repo_id="tomas478/room-dirtiness-yolo26n", filename="best.pt")
model = YOLO(path)
results = model.predict("image.jpg", imgsz=640)
ПодробнееМетрики на тестовой выборке: mAP50-95 составляет 0.705, Precision — 0.913, Recall — 0.903.
Обучение: базовая модель yolo26n.pt, 40 эпох, размер изображения 640, оптимизатор AdamW.
Оборудование при обучении: NVIDIA RTX PRO 4000 Blackwell.
Обсудить Telegram 0

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.

    # tomas478/room-dirtiness-yolo26n
    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 tomas478/room-dirtiness-yolo26n --local-dir ~/models/room-dirtiness-yolo26n
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к room-dirtiness-yolo26n
  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 room-dirtiness-yolo26n — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

tomas478/room-dirtiness-yolo26n
Автор
tomas478
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии