Дообученная YOLOv11-Medium находит сигареты на изображениях и возвращает рамки обнаружения с оценками уверенности.
212скачиваний за 30 дней0лайковвеса обновлены18 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/smoke_cigarette-detection2-yolo11m — модель обнаружения объектов, дообученная автором на базе Ultralytics YOLOv11-Medium с помощью библиотеки Ultralytics. Она предназначена для поиска сигареты на изображениях и возвращает обнаруженные объекты с координатами рамок и оценками уверенности; единственный описанный класс — cigarette. Модель обучалась 100 эпох на изображениях размером 640 пикселей, а валидационная выборка показала mAP50 0,9943, mAP50–95 0,7421 и точность 0,9811.
Модель подходит для анализа фотографий и видеокадров, например для обнаружения сигареты в сцене. Она принимает изображения и выдаёт рамки объектов с метками и оценками. Карточка не указывает поддерживаемые естественные языки или ограничения по условиям съёмки, поэтому показатели на валидации не гарантируют аналогичное качество на других данных. В метаданных репозитория указана лицензия MIT; README уточняет, что лицензия датасета может отличаться и её следует проверять отдельно.
Сценарии применения
поиск сигарет на фотографиях
обнаружение сигарет на кадрах видеонаблюдения
выделение сигарет рамками на изображениях
автоматическая проверка изображений на наличие сигарет
Ограничения
Модель описывает только класс cigarette; качество на других данных и условиях съёмки может отличаться от показателей валидации. Лицензия датасета может отличаться от лицензии MIT, указанной для репозитория.
Для каких профессий подходит3
Разделы каталога профессий, в задачах которых используется эта модель
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
18
Optimizer
AdamW
Initial LR (lr0)
0.001
Patience (early stop)
20
Results (held-out validation split)
Metric
Value
mAP50
0.9943
mAP50-95
0.7421
Precision
0.9811
Recall
0.9835
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.