---
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")
```