/ Модель

Характеристики

Лицензия
Своя лицензия
Библиотека
ultralytics
Опубликована
19 июл 2026

koharu-yolo26s

Сегментация изображенийИзображение → mask

Koharu YOLO26s сегментирует панели, текст диалогов, речевые пузыри и звукоподражания на страницах комиксов и манги.

0скачиваний за 30 дней2лайкавеса обновлены19 июл 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

Koharu YOLO26s — модель компьютерного зрения для сегментации отдельных объектов на страницах комиксов и манги. Её разработали как дообучение ShadowB/Manga109-panel-balloon-text-yolov26-segmentation на аннотациях MangaSeg; архитектура — YOLO26s-seg, библиотека — Ultralytics. Модель принимает изображение и выделяет рамки, текст диалогов, речевые пузыри и звукоподражания масками. Веса содержат 11 437 172 параметра и опубликованы в формате SafeTensors.

Модель предназначена для подготовки страниц манги к OCR, переводу и дальнейшему разбору макета. В README приведены результаты проверки на отдельной выборке из 1 539 страниц; качество масок зависит от класса, а для звукоподражаний ниже, чем для общих классов. Чекпойнт описан как исследовательский артефакт. Лицензия указана как other; использование и распространение должны соответствовать условиям Manga109, MangaSeg, COO, базовой модели и Ultralytics, которые следует проверить перед коммерческим использованием или распространением.

Сценарии применения

  • выделение панелей на странице манги
  • сегментация текста диалогов для последующего OCR
  • поиск и выделение речевых пузырей
  • выделение звукоподражаний в комиксах
  • подготовка страниц манги к переводу

Ограничения

Качество масок различается между классами; для звукоподражаний в README указано более низкое качество, чем для общих классов. Перед коммерческим использованием или распространением необходимо проверить условия лицензий и датасетов, перечисленных автором.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Koharu YOLO26s

Koharu YOLO26s is a unified comic-page instance-segmentation model. It detects and segments four classes:

IDClass
0frame
1dialogue_text
2balloon
3onomatopoeia_text

The model was fine-tuned from ShadowB/Manga109-panel-balloon-text-yolov26-segmentation using MangaSeg annotations and locally licensed Manga109 page images. The published repository contains no dataset images or annotations.

Files

  • model.safetensors: inference state dictionary; this is the only weight file.
  • yolo26s-seg.yaml: YOLO26s segmentation architecture.
  • config.json: class names and recommended image size.
  • export-manifest.json: weight checksum and conversion validation.

The SafeTensors export contains 844 tensors for 11,437,172 parameters. It was validated with strict state-dictionary loading and an exact forward comparison against the training checkpoint (max_abs_diff = 0).

Loading

import json
from pathlib import Path

from huggingface_hub import snapshot_download
from safetensors.torch import load_file
from ultralytics import YOLO

root = Path(
    snapshot_download(
        "mayocream/koharu-yolo26s",
        allow_patterns=["*.safetensors", "*.yaml", "*.json"],
    )
)
config = json.loads((root / "config.json").read_text())
model = YOLO(root / "yolo26s-seg.yaml", task="segment")
model.model.load_state_dict(load_file(root / "model.safetensors"), strict=True)
model.model.names = {int(key): value for key, value in config["names"].items()}

results = model.predict("page.jpg", imgsz=1280, conf=0.25)

The checkpoint intentionally is not distributed as a PyTorch pickle (.pt).

Evaluation

Evaluation used a held-out 1,539-page, book-disjoint test split.

EvaluationBox mAP50Box mAP50-95Mask mAP50Mask mAP50-95
Four classes0.8790.7950.8300.422
Shared three classes0.9750.9230.9460.492
Upstream checkpoint, shared classes0.9320.8770.7410.380

The largest shared-class improvement is dialogue-text segmentation. Balloon mask AP remained approximately equal to the upstream checkpoint. The new onomatopoeia class reached box mAP50-95 0.414 and mask mAP50-95 0.236.

Training

  • Input size: 1280 pixels
  • Epochs: 41
  • Training images: 7,532
  • Validation images: 1,531
  • Test images: 1,539
  • Optimizer: MuSGD
  • Best epoch: 36
  • Ultralytics: 8.4.43

Terms and attribution

This checkpoint is a derived research artifact. Use and redistribution must comply with the terms of Manga109, MangaSeg, COO, the upstream checkpoint, and Ultralytics. Review those terms before commercial use or redistribution.

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
YOLO26s-seg
Ревизия весов
aa7b567

0 моделей