/ Модель

Характеристики

Размер весов
5,5 МБ
Лицензия
Apache 2.0
Архитектура
yolo11 · dense
Библиотека
ultralytics
Опубликована
22 дек 2025

yolo11n-text

Поиск объектовИзображение → bounding_boxes10 профессий

Компактная дообученная YOLO11n обнаруживает текстовые области на документах, снимках экрана и фотографиях, чтобы передать их в OCR или последующую обработку.

7 164скачиваний за 30 дней8лайковвеса обновлены22 дек 2025

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

RoyRud1902/yolo11n-text — дообученная модель детекции текстовых областей на изображениях на базе YOLO11n от Ultralytics. Компактная архитектура YOLO11n nano содержит около 2,59 млн параметров и предсказывает ограничивающие рамки одного класса — текста. Модель рассчитана на документы, снимки экрана, интерфейсы и фотографии с текстом; библиотека для работы — Ultralytics, формат весов в репозитории — PyTorch.

Модель можно использовать для поиска областей текста перед OCR, анализа документов, обработки PDF и нахождения текстовых элементов в интерфейсах. В README приведены результаты обучения на наборе DonkeySmall/Yolo-Text-Detection: precision 95,7%, recall 93,6% и mAP@50 97,6%. Лицензия — Apache-2.0.

Модель лучше подходит для горизонтального текста; точность на повёрнутом тексте может снижаться. Она обучалась преимущественно на документах и изображениях интерфейсов, не различает типы текста и показывает лучшие результаты при размере входа около 640 пикселей.

Сценарии применения

  • Поиск областей текста перед распознаванием OCR
  • Обнаружение текста в сканах документов
  • Поиск текстовых элементов на снимках экранов интерфейсов
  • Выделение текста в фотографиях и естественных сценах
  • Поиск текстовых областей на страницах PDF

Ограничения

Модель оптимизирована для горизонтального текста, поэтому точность на повёрнутом тексте может быть ниже. Она обучена преимущественно на документах и изображениях интерфейсов, выделяет только один класс текста и лучше работает при размере входа около 640 пикселей.

Для каких профессий подходит10

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

YOLO11n Text

A fine-tuned YOLO11n model for detecting text regions in images. This model is optimized for detecting text bounding boxes in documents, screenshots, UI interfaces, and natural scene images.

Model Description

This model is based on Ultralytics YOLO11n (nano variant) and has been fine-tuned specifically for text detection tasks. It detects text regions as bounding boxes, which can be used as input for OCR pipelines or UI automation tasks.

Model Architecture

  • Base Model: YOLO11n (nano)
  • Parameters: 2,590,035
  • Layers: 181
  • Input Size: 640x640
  • Classes: 1 (text)

Training Details

Dataset

Training Configuration

ParameterValue
Epochs50
Batch Size16
Image Size640
OptimizerSGD (auto)
Learning Rate0.01 → 0.0003
Momentum0.937
Weight Decay0.0005
Warmup Epochs3.0
AMPEnabled
Workers8

Augmentation

AugmentationValue
HSV Hue0.015
HSV Saturation0.7
HSV Value0.4
Translation0.1
Scale0.5
Horizontal Flip0.5
Mosaic1.0
Erasing0.4
Auto Augmentrandaugment

Hardware

  • GPU: NVIDIA GeForce RTX 5070 Ti (16GB VRAM)
  • Training Time: ~1.75 hours (6,267 seconds)
  • Framework: Ultralytics 8.3.240, PyTorch 2.9.1+cu128

Performance Metrics

Final Results (Epoch 50)

MetricValue
Precision95.7%
Recall93.6%
mAP@5097.6%
mAP@50-9581.8%
Box Loss0.619
Class Loss0.376
DFL Loss0.828

Training Progress

EpochmAP@50mAP@50-95PrecisionRecall
189.1%64.3%86.0%82.7%
1095.9%76.8%93.5%90.7%
2096.9%79.5%94.8%92.0%
3097.3%80.8%95.1%93.1%
4097.6%81.5%95.6%93.5%
5097.6%81.8%95.7%93.6%

Usage

Installation

pip install ultralytics

Inference

from ultralytics import YOLO

# Load the model
model = YOLO("best.pt")

# Run inference
results = model.predict(
    source="image.jpg",
    conf=0.25,
    iou=0.7,
    imgsz=640
)

# Process results
for result in results:
    boxes = result.boxes
    for box in boxes:
        # Get bounding box coordinates (x1, y1, x2, y2)
        xyxy = box.xyxy[0].tolist()
        confidence = box.conf[0].item()
        print(f"Text box: {xyxy}, confidence: {confidence:.2f}")

Batch Processing

from ultralytics import YOLO
from pathlib import Path

model = YOLO("best.pt")

# Process folder of images
results = model.predict(
    source="path/to/images/",
    conf=0.25,
    save=True,  # Save annotated images
    save_txt=True  # Save YOLO format labels
)

Export to Other Formats

from ultralytics import YOLO

model = YOLO("best.pt")

# Export to ONNX
model.export(format="onnx", imgsz=640, simplify=True)

# Export to TensorRT (for NVIDIA GPUs)
model.export(format="engine", imgsz=640, half=True)

# Export to CoreML (for Apple devices)
model.export(format="coreml", imgsz=640)

Model Files

FileDescription
best.ptBest checkpoint (highest mAP@50)
args.yamlTraining configuration
results.csvTraining metrics per epoch
results.pngTraining curves visualization
confusion_matrix.pngConfusion matrix
BoxPR_curve.pngPrecision-Recall curve

Recommended Inference Parameters

ParameterRecommendedDescription
conf0.25Confidence threshold
iou0.7NMS IoU threshold
imgsz640-1024Input image size
max_det300Maximum detections per image

Use Cases

  • OCR Preprocessing: Detect text regions before applying OCR
  • Document Analysis: Locate text areas in scanned documents
  • UI Automation: Find text elements in application screenshots
  • Scene Text Detection: Detect text in natural images
  • PDF Processing: Extract text region locations

Limitations

  • Optimized for horizontal text; may have reduced accuracy on rotated text
  • Trained primarily on document and UI images
  • Single class (text) - does not distinguish between text types
  • Best performance at 640px input size

Citation

@software{yolo11n_text,
  author = {Ultralytics},
  title = {YOLO11n Text},
  year = {2024},
  publisher = {HuggingFace},
  url = {https://huggingface.co/datasets/DonkeySmall/Yolo-Text-Detection}
}

@software{ultralytics_yolo,
  author = {Jocher, Glenn and Chaurasia, Ayush and Qiu, Jing},
  title = {Ultralytics YOLO},
  year = {2023},
  publisher = {GitHub},
  url = {https://github.com/ultralytics/ultralytics}
}

License

This model is released under the Apache 2.0 License.

Acknowledgments

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.

Класс архитектуры
YOLO11n
Ревизия весов
8fc8436

0 моделей