/ Модель

Характеристики

Лицензия
AGPL 3.0
Опубликована
18 авг 2026

yolov8x-coco-mirror

Поиск объектовИзображение → bounding_boxes

Неизменённая модель YOLOv8x от Ultralytics для обнаружения объектов COCO, пригодная для поиска людей на кадрах теннисного видео.

7скачиваний за 30 дней0лайковвеса обновлены18 авг 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

Это неизменённая контрольная точка YOLOv8x для обнаружения объектов на COCO, созданная Ultralytics и размещённая в зеркале kjfk для удобной загрузки весов в теннисный конвейер. Модель принимает изображения и определяет объекты, включая людей; в сценарии теннисного видео она помогает находить игроков в каждом кадре.

Детектор распознаёт людей, а не теннисистов: вместе с игроками он может находить болбоев, судей на линиях и судью на вышке. Для выделения двух игроков требуется дополнительная фильтрация по положению на корте и сторонам сетки. По README, обработка кадра 1080p на CPU занимает около 14 секунд, поэтому для высокой пропускной способности рекомендуется GPU или более компактная версия. Лицензия — AGPL-3.0.

Сценарии применения

  • обнаружение людей на кадрах теннисного матча
  • поиск игроков и других людей на корте перед фильтрацией по позиции
  • обнаружение объектов COCO на изображениях

Ограничения

Модель обнаруживает людей, но не отличает игроков от судей и болбоев; для выделения игроков нужна дополнительная фильтрация по положению на корте. По README, на CPU обработка кадра 1080p занимает около 14 секунд.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

YOLOv8x (stock COCO checkpoint, mirror)

Not trained by me, and not modified. This is Ultralytics' unmodified stock YOLOv8x COCO checkpoint, mirrored so my tennis pipeline can fetch all its weights from one place. AGPL-3.0 permits redistribution; all credit belongs to Ultralytics.

Why it is here

The person class detects tennis players well - they are large, high-contrast and slow relative to the ball, so a per-frame detector needs no temporal help.

The catch worth stating

A person detector finds people, not players. On a professional clip it returns ball kids, line judges and the chair umpire alongside the two players. Filtering by court position and "exactly one player per side of the net" is what turns person detection into player detection - the model cannot do it for you.

Note it is slow on CPU: ~14 s/frame at 1080p in my testing. Use a GPU, or a smaller variant, if throughput matters.

License

AGPL-3.0, as published by Ultralytics.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Модели Ultralytics YOLO требуют отдельного рантайма.

Ревизия весов
0f409f1

0 моделей