/ Модель

Характеристики

Лицензия
AGPL 3.0
Библиотека
ultralytics
Опубликована
20 апр 2026

yolov11s-visdrone

Поиск объектовИзображение → bounding_boxes

Детектор YOLOv11s, дообученный на VisDrone2019 для обнаружения пешеходов и разных типов транспорта на видео с дронов и высоко расположенных камер.

104скачиваний за 30 дней0лайковвеса обновлены20 апр 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

RISEF/yolov11s-visdrone — компактный детектор объектов на архитектуре YOLOv11s от Ultralytics, дообученный командой ktk-studio на наборе VisDrone2019. Он предназначен для обнаружения участников движения на видеозаписях с дронов и стационарных камер, установленных под высоким углом, в том числе в системах дорожной аналитики и мониторинга нарушений. Модель принимает RGB-изображения размером 640×640 и предсказывает рамки объектов и оценки для десяти классов: пешеходы, люди, велосипеды, автомобили, фургоны, грузовики, трициклы, моторизованные трициклы, автобусы и мотоциклы. Репозиторий содержит формат ONNX; в описанном стеке модель запускают через Triton с ONNX Runtime и дополняют трекером для присвоения объектам идентификаторов.

Модель различает типы транспорта и людей, которые некоторые специализированные детекторы объединяют в класс автомобилей. Качество может снижаться на очень мелких или перекрытых объектах; автор отмечает короткое обучение в 67 эпох и возможность улучшить результаты дополнительным обучением и аугментациями. Лицензия — AGPL-3.0.

Сценарии применения

  • обнаружение автомобилей, автобусов и грузовиков на дорожных камерах
  • подсчёт пешеходов и людей на видео с дрона
  • обнаружение велосипедов и моторизованных трициклов на аэросъёмке
  • анализ дорожного движения с камер под высоким углом
  • выделение объектов для последующего трекинга и аналитики нарушений

Ограничения

Модель может хуже обнаруживать очень мелкие и частично перекрытые объекты. Обучение длилось 67 эпох; автор указывает, что более длительное обучение и усиленные аугментации могут улучшить качество.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

YOLOv11s · VisDrone object detector

Small YOLOv11 object detector fine-tuned on the VisDrone2019 dataset, targeting aerial/surveillance-angle traffic footage — the exact viewpoint used by our telecom_videos set (fixed overhead/elevated cameras).

Part of the ktk-studio traffic-violation analytics stack.

Summary

ArchitectureYOLOv11s (Ultralytics)
Input640×640 RGB
Outputoutput0 shape [1, 14, N] — 4 bbox + 10 class scores
Parameters9.5 M
Weightsbest.pt (19 MB) / best.onnx (37 MB, opset 19)
Epochs trained67 (early-stop from 80)
Best epoch52
Val mAP500.377
Val mAP50-950.219
Val Precision0.502
Val Recall0.388

Classes

pedestrian, people, bicycle, car, van, truck, tricycle, awning-tricycle, bus, motor — matching the VisDrone2019 taxonomy.

Training

Dataset auto-downloaded via data=VisDrone.yaml (Ultralytics).

yolo detect train data=VisDrone.yaml model=yolo11s.pt \
     epochs=80 imgsz=640 batch=32 patience=15 device=0

Hardware: NVIDIA B200 180GB. Batch 32, ~35GB VRAM. Training time ~50 min.

Usage

Ultralytics

from ultralytics import YOLO
model = YOLO("best.pt")
r = model("traffic_camera_frame.jpg", conf=0.25)
r[0].show()

ONNX Runtime (GPU)

import cv2, numpy as np, onnxruntime as ort

sess = ort.InferenceSession("best.onnx", providers=["CUDAExecutionProvider"])
img = cv2.imread("frame.jpg")
# letterbox to 640×640, RGB, [0,1], CHW
scale = min(640/img.shape[1], 640/img.shape[0])
nw, nh = int(img.shape[1]*scale), int(img.shape[0]*scale)
r = cv2.resize(img, (nw, nh))
canvas = np.full((640, 640, 3), 114, np.uint8)
pad_x, pad_y = (640-nw)//2, (640-nh)//2
canvas[pad_y:pad_y+nh, pad_x:pad_x+nw] = r
x = cv2.cvtColor(canvas, cv2.COLOR_BGR2RGB).astype(np.float32)/255.0
x = np.ascontiguousarray(x.transpose(2,0,1)[None])
y = sess.run(None, {"images": x})[0][0]  # (14, N)
# decode: y[:4] = cx,cy,w,h; y[4:14] = class scores

Intended use

  • Real-time object detection on traffic-camera / drone-style footage.
  • Drop-in replacement for TrafficCamNet when the scene has van/bus/truck/people that need to be distinguished (TrafficCamNet collapses them into car).

Notes

  • Short training (67 epochs) leaves room for improvement — long training schedules with stronger augmentation can push mAP50 above 0.5.
  • VisDrone val set contains many tiny / occluded objects; low mAP50-95 is typical for this domain and roughly matches published baselines on VisDrone.
  • For the production stack we deploy this model through Triton (ONNX Runtime backend) and pair with a light Python IoU tracker to get per-object IDs.

License

AGPL-3.0 (inherits Ultralytics YOLOv11 weight license).

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · ultralytics

Нельзя запустить

Модели Ultralytics YOLO требуют отдельного рантайма.

Ревизия весов
16d8d17

0 моделей