iRail: Подсчет толпы (YOLOv8n) — Детекция голов

Обзор

Этот репозиторий содержит модель YOLOv8n (nano), дообученную для детектирования голов пешеходов в условиях толпы (железнодорожные платформы и входы на мероприятия). Основная цель — подсчет толпы по кадрам путем обнаружения голов и подсчета ограничивающих рамок.

Эта модель разработана как образовательная база для расширения проекта iRail/Azure, где API iRail не предоставляет данных о заполняемости, поэтому мы оцениваем приблизительный уровень толпы по изображениям/кадрам.

Модель

• Архитектура: YOLOv8n (Ultralytics)

• Задача: Детекция объектов

• Класс(ы): (один класс)

• Размер входного изображения для обучения: imgsz=832

• Базовые настройки вывода, используемые для оценки подсчета:

Набор данных

Модель обучена на наборе данных RPEE-Heads (Railway Platforms and Event Entrances-Heads) с ограничивающими рамками голов.

1 886 изображений

109 913 аннотаций голов

Разделение:Обучение: 1 346 изображений

Валидация: 246 изображений

Тест: 294 изображения

Лицензия: CC BY-SA 4.0 (применяются требования к набору данных и производной модели с аналогичным распространением)

Ссылка на статью: RPEE-Heads Benchmark: A Dataset and Empirical Comparison of Deep Learning Algorithms for Pedestrian Head Detection in Crowds Mohamad Abubaker, Zubaida AlSadder, Hamed Abdelhaq, Maik Boltes, Ahmed Alia DOI: 10.34735/ped.2024.2 URL набора данных: http://ped.fz-juelich.de/da/2024rpee_heads

Базовая оценка (Детекция)

Метрики валидации Ultralytics на Val/Test (один класс: голова):

Набор данныхТочностьПолнотаmAP@0.50mAP@0.50:0.95Валидация (246 изображений / 16 022 экземпляра)0.9100.8050.8810.522Тест (294 изображения / 15 285 экземпляров)0.9080.8030.8780.515

Оценка подсчета толпы (Подсчет рамок по каждому изображению)

• Подсчет вычисляется как: predicted_count = количество обнаруженных рамок (после NMS с выбранными и ).

• Базовые настройки подсчета:

• , ,

• МетрикаЗначениеMAE4.67RMSE8Смещение (pred - gt)0.097 (незначительный недосчет)

Предполагаемое использование

• Обучающая демонстрация:дообучения YOLOv8 для детекции голов

• оценки метрик детекции

• преобразования обнаружений в прокси-метрику подсчета толпы

• Строительный блок для более крупного конвейера iRail/Azure (прокси-оценка заполняемости)

Ограничения

• Целенаправленно не обучалась на условиях съемки бельгийских станций.

• Подсчет по «количеству рамок» может недооценивать очень плотные толпы.

• Смещение домена (высота камеры, искажение объектива, разрешение, освещение) может снизить производительность.

Автор

Amine Samoudi - GitHub: @AmineSam

Ссылки

philipho/irail-crowd-counting-yolov8n

Ссылки

https://https://huggingface.co/philipho/irail-crowd-counting-yolov8n