RF-DETR Small — detecção de capacetes em obras
Checkpoint do RFDETRSmall treinado para detectar exclusivamente a classe positiva
helmet em imagens de canteiros de obras. O modelo integra o projeto
epi-with-keypoints, que combina
a detecção de capacete com keypoints corporais e tracking temporal para produzir
um resultado por pessoa em imagens e vídeos.
Este repositório no Hugging Face contém apenas a release do modelo. O código de treinamento, avaliação, inferência, tracking e a documentação completa são mantidos no repositório GitHub.
Arquivo
helmet_only_576_best.pth: checkpoint RF-DETR em resolução 576 px.training_config.yaml: configuração usada no treinamento.model_metadata.json: classes, limiares recomendados, métricas e checksum.
Uso
Clone o projeto e sincronize as dependências:
git clone https://github.com/matheeusper/epi-with-keypoints.git
cd epi-with-keypoints
uv sync
O script baixa este checkpoint automaticamente quando models/helmet_only_576_best.pth
não está disponível:
uv run python infer_ppe_keypoints.py --image images/image2.jpg
uv run python infer_ppe_keypoints.py --video videos/obra.mp4
Também é possível baixá-lo diretamente:
from huggingface_hub import hf_hub_download
checkpoint = hf_hub_download(
repo_id="matheeusper/epi-with-keypoints",
filename="helmet_only_576_best.pth",
)
from rfdetr import RFDETRSmall
model = RFDETRSmall.from_checkpoint(checkpoint)
detections = model.predict("imagem.jpg", threshold=0.35)
Métricas
Avaliação em 1.234 imagens e 597 capacetes do split de teste completo do PPE_Detection, incluindo imagens negativas sem capacete:
| Métrica | Resultado |
|---|---|
| mAP@[0.50:0.95] | 58,90% |
| mAP@0.50 | 89,62% |
| mAP@0.75 | 67,41% |
| mAR@100 | 74,09% |
| Precisão@0.50 | 86,68% |
| Recall@0.50 | 90,45% |
| F1@0.50 | 88,52% |
| Confiança no melhor F1 | 0,570 |
Treinamento
- Arquitetura:
RFDETRSmall. - Resolução: 576 px.
- Classe:
helmet(id=0). - Seed: 42.
- Batch efetivo: 16 (
batch_size=4,grad_accum_steps=4). - Checkpoint regular selecionado na época 19, após 20 épocas e 2.000 passos globais.
Limitações e uso responsável
O modelo foi treinado em um conjunto específico de obras e pode falhar com pessoas pequenas, iluminação extrema, ângulos incomuns, aglomerações ou oclusões prolongadas. Ele detecta capacetes, mas não deve ser usado isoladamente para decisões disciplinares ou outras decisões críticas de segurança. Valide e calibre o limiar com imagens do ambiente de implantação.
O dataset de origem 51ddhesh/PPE_Detection é distribuído sob CC BY 4.0; o checkpoint derivado é publicado sob a mesma licença.