Модель sidewalk.pt — Обнаружение и сегментация городской среды для мобильных роботов
Модель sidewalk.pt разработана для задачи обнаружения и instance-сегментации элементов городской инфраструктуры.
Она основана на современной архитектуре YOLOv8 (задача segment) от Ultralytics и предназначена для применения в мобильных роботах (например, роботах-курьерах), передвигающихся по тротуарам и дорогам.
🎯 Назначение
Модель ориентирована на использование в проектах мобильной робототехники и системах автономной навигации для понимания сцены вокруг робота. Она помогает отличать безопасные зоны для движения (тротуары) от проезжей части, а также избегать столкновений с людьми, машинами и препятствиями.
🏷️ Поддерживаемые классы (5 классов)
Модель не только находит объекты рамками (Bounding Boxes), но и выделяет их пиксельные маски.
| ID | Класс | Описание |
|---|---|---|
0 |
Automobile | Автомобили |
1 |
Person | Пешеходы / Люди |
2 |
Obstacle | Столбы, мусорки и прочие препятствия |
3 |
Road | Проезжая часть |
4 |
Sidewalk | Тротуар (пешеходная зона) |
⚙️ Характеристики и метрики
Модель обучена на разрешении 640x640 в течение 25 эпох.
| Параметр | Значение |
|---|---|
| 📦 Архитектура | YOLOv8 (Segmentation) |
| 📅 Дата обучения | 2024-11-27 |
| 📦 Версия Ultralytics | 8.2.103 |
| 🎯 Количество классов | 5 |
| 🖼️ Размер изображения | 640 px |
📊 Точность модели (на валидации)
- Bounding Box (Обнаружение): mAP@50 = 81.5% | mAP@50-95 = 64.5%
- Mask (Сегментация): mAP@50 = 82.0% | mAP@50-95 = 60.2%
🚀 Пример использования
Для использования модели вам потребуется библиотека ultralytics и opencv-python.
pip install ultralytics opencv-python
from ultralytics import YOLO
import cv2
# Загрузка модели
model = YOLO("sidewalk.pt")
# Загрузка изображения
img = cv2.imread("r.jpeg")
# Предсказание (обнаружение + сегментация)
results = model(img)
# Отображение результата
results[0].show()
# Сохранение результата
results[0].save("result.jpg")
- Downloads last month
- 52