Дообученная YOLOv8s для обнаружения выбоин на изображениях дорог.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
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.
Описание составлено по карточке модели и метаданным Hugging Face
Samdutse/pothole-yolov8 — модель обнаружения выбоин на дорогах, разработанная автором репозитория на основе дообучения YOLOv8s на наборе данных Smartathon pothole из Roboflow Universe. Она принимает изображение дороги и выдаёт обнаруженные объекты с рамками и оценками, помогая находить выбоины на фотографиях и кадрах дорожного мониторинга. В карточке приведены метрики mAP50 0,816 и mAP50-95 0,518. Модель распространяется в формате PyTorch; сведения о лицензии в предоставленных данных отсутствуют.
Качество зависит от соответствия изображений условиям и данным обучения; в карточке приведены метрики на наборе оценки, но не описаны их условия. Сведения о лицензии в предоставленных материалах отсутствуют.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
Fine-tuned yolov8s.pt on the Smartathon pothole dataset (Roboflow Universe) for road pothole detection.
from ultralytics import YOLO
from huggingface_hub import hf_hub_download
weights_path = hf_hub_download(repo_id="samdutse/pothole-yolov8", filename="best.pt")
model = YOLO(weights_path)
results = model.predict("road.jpg")
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм
Модели Ultralytics YOLO требуют отдельного рантайма.