Дообученная модель YOLO11m обнаруживает сигареты на изображениях и возвращает рамки с оценками уверенности.
151скачиваний за 30 дней1лайквеса обновлены23 сен 2026
Бенчмарки
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
Публичные оценки
Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.
В подключённых источниках результатов для этой модели пока нет.
Что умеет модель
Описание составлено по карточке модели и метаданным Hugging Face
Beehzod/best_smoke_cigarette-detection — модель компьютерного зрения для обнаружения сигарет на изображениях. Автор дообучил среднюю версию Ultralytics YOLO11m на наборе smoking-tasfx; модель использует архитектуру YOLO и библиотеку Ultralytics, а результатом служат рамки объектов с меткой cigarette и оценкой уверенности.
Модель предназначена для поиска сигарет на фотографиях и других отдельных изображениях. В README приведены результаты на отложенной проверочной выборке: mAP50 0,7898, mAP50-95 0,4617 и точность 0,8199. Эти показатели относятся к указанному набору данных и не гарантируют аналогичного качества на других изображениях. Для репозитория заявлена лицензия MIT; README отдельно предупреждает, что лицензию обучающего набора следует проверять отдельно.
Сценарии применения
Поиск сигарет на фотографиях
Автоматическая проверка изображений на наличие сигарет
Подсчёт сигарет на изображении по обнаруженным рамкам
Ограничения
Модель обучена распознавать только класс cigarette, а приведённые метрики получены на конкретном наборе данных и могут не переноситься на другие условия съёмки. Лицензия набора данных может отличаться от лицензии MIT, указанной для репозитория.
Карточка модели
README от автора на Hugging Face, как он его опубликовал
Check the dataset page above for its license -- not necessarily the same as this repo's license field, which reflects the base model's license.
Training
Parameter
Value
Base checkpoint
yolo11m.pt
Epochs
100
Image size
640
Batch size
17
Optimizer
AdamW
Initial LR (lr0)
0.001
Patience (early stop)
20
Results (held-out validation split)
Metric
Value
mAP50
0.7898
mAP50-95
0.4617
Precision
0.8199
Recall
0.7650
Usage
from ultralytics import YOLO
model = YOLO("best.pt")
results = model.predict("image.jpg", conf=0.25)
for r in results:
for box in r.boxes:
print(model.names[int(box.cls[0])], float(box.conf[0]))
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
СпособСтатусЦена
GPU в ailist
Универсальный рантайм · ultralytics
Нельзя запустить
Модели Ultralytics YOLO требуют отдельного рантайма.