| --- |
| license: mit |
| library_name: ultralytics |
| pipeline_tag: image-segmentation |
| tags: |
| - yolo |
| - yolov8 |
| - object-detection |
| - image-segmentation |
| - robotics |
| - autonomous-navigation |
| --- |
| # 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](https://github.com/ultralytics/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`. |
|
|
| ```bash |
| pip install ultralytics opencv-python |
| ``` |
| ```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") |
| ``` |
