Дообученная YOLO11n обнаруживает выбоины и канализационные люки на изображениях для осмотра дорог и инфраструктуры.
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
Это дообученная модель YOLO11n для обнаружения выбоин и канализационных люков на изображениях дорог. Она разработана для задач безопасности дорожного движения и осмотра инфраструктуры; распознаёт два класса: Pothole и Sewage-Manhole.
Модель предназначена для работы в Python с Ultralytics и для развёртывания на сервере, мобильных устройствах и в браузере с камерой. В карточке перечислены варианты PyTorch, NCNN и ONNX, а метаданные также указывают форматы ONNX и TFLite. Лицензия — CC BY 4.0.
Модель распознаёт только два заявленных класса; сведения о точности и условиях съёмки не приведены. Для надёжной работы в конкретных условиях может потребоваться проверка на целевых изображениях.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
Trained YOLO11n model detecting Potholes and Sewage Manholes for road safety and infrastructure inspection.
0: Pothole1: Sewage-Manhole| Format | File | Target Platform |
|---|---|---|
| PyTorch | pothole2v.pt | Python / Ultralytics / Server |
| NCNN | pothole2v_ncnn_model.zip | Android C++ / Vulkan GPU (Galaxy A16 / Mobile) |
| ONNX | pothole2v_320.onnx | WebAssembly / WebGPU / Browser Camera |
| TFLite | pothole2v.tflite | Android Kotlin / Java Apps |
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм
Модели Ultralytics YOLO требуют отдельного рантайма.