/ Модель

Характеристики

Лицензия
Apache 2.0
Архитектура
rt_detr_v2 · dense
Базовая модель
rtdetr_v2_r18vd
Библиотека
transformers
Опубликована
4 авг 2026

safesynth-rtdetrv2-r18

Поиск объектовИзображение → bounding_boxes3 профессии

Дообученная RT-DETRv2 с ResNet-18 обнаруживает каски, непокрытые головы и людей на изображениях для прототипирования контроля средств защиты на стройплощадках.

23скачиваний за 30 дней0лайковвеса обновлены4 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

SafeSynth RT-DETRv2-R18 Hard-Hat Detector — модель обнаружения объектов, разработанная в рамках проекта SafeSynth и дообученная на базе PekingU/rtdetr_v2_r18vd с backbone ResNet-18. Она находит на изображениях каски, непокрытые каской головы и людей; классы каски и головы предназначены для прототипирования контроля ношения касок на строительных площадках. Модель принимает изображения и выдаёт классы объектов с рамками локализации. В README приведены результаты контролируемого сравнения: опубликован вариант, обученный только на 3 500 реальных изображениях, без синтетических данных.

Чекпойнт предназначен для исследований, обучения, воспроизводимых сравнений и прототипов. Класс person ненадёжен из-за неполной разметки исходного набора данных. Показатели получены на одном фиксированном тестовом наборе и с одним seed, поэтому не гарантируют качество на других площадках и камерах; порог обнаружения следует калибровать под условия применения. Модель не является сертифицированным средством безопасности и не должна быть единственным основанием для решений, способных навредить работникам. Лицензия — Apache-2.0.

Сценарии применения

  • поиск касок на изображениях со строительных площадок
  • обнаружение непокрытых каской голов
  • локализация людей и средств защиты на кадрах для прототипа мониторинга
  • сравнение методов обнаружения касок на фиксированном наборе данных

Ограничения

Класс person ненадёжен из-за неполных исходных аннотаций; результаты оценки основаны на одном seed и одном фиксированном тестовом наборе. Модель не сертифицирована для обеспечения безопасности, а качество может меняться в зависимости от площадки, камеры, освещения, СИЗ и условий съёмки.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

SafeSynth RT-DETRv2-R18 Hard-Hat Detector

This is the best validation-selected checkpoint from SafeSynth's controlled four-arm RT-DETRv2-R18 experiment. The selected arm is deliberately real_only: it used all 3,500 frozen real Train images and zero synthetic images. The negative selection result is part of the release, not something hidden by publishing a synthetic arm.

Model details

ItemValue
ArchitectureRT-DETRv2 with ResNet-18 backbone
Classeshelmet, head, person
Training composition3,500 real Train, 0 synthetic
Validation set756 real images
Seed1337
Optimizer steps10,900
Selected checkpointstep 1,752 (best frozen-validation checkpoint)
Input preprocessingResize to 640x640, rescale by 1/255, no ImageNet normalization
Weight formatSafetensors

The model predicts a helmet box around the helmeted head, a head box for a bare head, and the inherited person class. The third class is unreliable because the source dataset's person annotations are substantially incomplete.

Four-arm result

All arms used the same real Train set, frozen real Validation/Test sets, seed, and 10,900-step optimizer budget. Synthetic arms used 3,500 generated images; their real-image exposure was about half that of the real-only arms.

ArmPrimary AP_smallPrimary mAPBare-head recallReal-image exposures
real_only0.45110.53410.987549.83
standard_aug0.42360.49580.987549.83
unfiltered_syn0.37590.45970.989824.91
filtered_syn0.36640.48580.988624.91

The 1,000-resample, image-level bootstrap intervals for primary AP_small were:

ArmAP_small (95% CI)
real_only0.4511 [0.4307, 0.4753]
standard_aug0.4236 [0.3993, 0.4530]
unfiltered_syn0.3759 [0.3474, 0.4064]
filtered_syn0.3664 [0.3426, 0.3956]

AP_small is the mean of helmet and bare-head AP for COCO-small objects, computed in each image's native original annotation coordinates (415/416 pixel edges), not after resizing to 640x640. person is excluded from the primary mAP because its source annotations are known to be poor.

Usage

import torch
from PIL import Image
from transformers import RTDetrImageProcessor, RTDetrV2ForObjectDetection

repo_id = "steven0226/safesynth-rtdetrv2-r18"
device = "cuda" if torch.cuda.is_available() else "cpu"

processor = RTDetrImageProcessor.from_pretrained(repo_id)
model = RTDetrV2ForObjectDetection.from_pretrained(repo_id).to(device).eval()
image = Image.open("construction_site.jpg").convert("RGB")
inputs = processor(images=image, return_tensors="pt").to(device)

with torch.inference_mode():
    outputs = model(**inputs)

target_sizes = torch.tensor([(image.height, image.width)], device=device)
result = processor.post_process_object_detection(
    outputs,
    target_sizes=target_sizes,
    threshold=0.07,
)[0]

for score, label_id, box in zip(
    result["scores"], result["labels"], result["boxes"], strict=True
):
    label = model.config.id2label[int(label_id)]
    print(label, float(score), [round(x, 1) for x in box.tolist()])

The 0.07 threshold was selected on the frozen Validation set for the repository's deployment analysis. Recalibrate it for a new camera, site, class balance, and false-alarm cost. Never tune it on the Test set.

Intended use

This checkpoint is intended for reproducible research, teaching, controlled comparison, and prototyping of hard-hat/bare-head detection. It is not a certified safety product. A human safety process must remain authoritative.

Limitations and responsible use

  • Do not treat the reported AP as an absolute quality guarantee. SHEL5K re-annotated the same 5,000 source images with 75,570 labels versus 25,502 in the original; all repository claims are relative comparisons on one frozen Test set.
  • person AP is not a reliable measure because the upstream person labels are sparse and inconsistent.
  • Training and bootstrap evaluation used one seed. This checkpoint is the validation-selected model for that protocol, not evidence of universal superiority.
  • The pre-registered synthetic-artifact gate failed (AUC 0.9053 versus a maximum of 0.60). Synthetic augmentation did not robustly improve RT-DETRv2 and showed architecture-sensitive, inconclusive behavior in an RF-DETR cross-check.
  • Data are drawn from a public construction-worker dataset and may not represent every geography, PPE design, skin tone, workplace, lighting condition, camera, or occlusion pattern.
  • Do not use the model as the sole basis for discipline, access denial, surveillance, or any decision that can harm a worker.

License

The weights are a fine-tune of PekingU/rtdetr_v2_r18vd, whose Hugging Face repository declares Apache-2.0. These derived weights are released under Apache-2.0. SafeSynth source code is MIT; the immediate training dataset is CC0 1.0. See the linked repositories for the full provenance and notices.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · object-detection

Можно запустить

Подбираем GPU…

Класс архитектуры
RTDetrV2ForObjectDetection
Ревизия весов
f5621de

0 моделей