YOLOv11s-cls: Определитель наличия ремня безопасности у водителя

Что умеет эта модель

Модель YOLOv11s-cls — это бинарный классификатор, который определяет, пристегнут ли водитель ремнем безопасности. Он работает с обрезанными изображениями части лобового стекла или самого водителя в формате RGB. Эта модель является частью комплексной системы аналитики нарушений правил дорожного движения (ktk-studio).

Как обучена модель

Модель основана на архитектуре YOLOv11s-cls. Она принимает на вход изображения размером 224x224 пикселей в формате RGB и выдает логиты для двух классов: «ремень отстегнут» и «ремень пристегнут». Модель имеет 5.4 миллиона параметров и выполняет 12.0 GFLOPs.

Обучение проводилось на наборе данных с Kaggle, содержащем изображения с лобового стекла автомобилей, размеченных по наличию ремня безопасности. Набор данных был несбалансирован: класс «ремень пристегнут» встречался примерно в 15 раз чаще.

Детали обучения:

• Архитектура: YOLOv11s-cls
• Вход: изображение 224×224 RGB
• Выход: логиты для 2 классов: no_seatbelt, seat_belt
• Параметры: 5.4 млн
• GFLOPs: 12.0
• Количество эпох обучения: 18 (остановлено раньше из 40)

Данные для обучения:

Источник: lavdeep1234/driver-seat-belt-dectection (Kaggle)

Обратите внимание: набор данных сильно несбалансирован. Высокая точность валидации должна интерпретироваться с учетом небольшой доли отрицательного класса. На реальных кадрах с дорожного движения ожидайте более низкую точность; рекомендуется комбинировать с детектором области интереса водителя и дополнительным верификатором.

Метрики качества

• Точность валидационной выборки: 100.0 % (на 8-й эпохе)

Применение

Модель предназначена для оперативного выявления нарушений, связанных с использованием ремня безопасности, в видеопотоках дорожного движения, например, после обнаружения и отслеживания автомобилей. Рекомендуется применять модель к верхней ~50% области обнаруженного ограничивающего прямоугольника автомобиля, где обычно находится водитель и лобовое стекло.

Пример использования:

from ultralytics import YOLO
model = YOLO("best.pt")
r = model("driver_crop.jpg")
print(r[0].probs.top1, r[0].names[r[0].probs.top1])

Ограничения

• Сцены с ночным временем, тонированными стеклами или сильными бликами недостаточно представлены в обучающих данных.
• Набор данных составлен с английским/европейским ракурсом; для российских или казахстанских номеров потребуется дообучение на локальных данных.
• Модель осуществляет только бинарную классификацию — не различает ремни безопасности водителя и пассажира.

Ссылки

RISEF/yolov11s-seatbelt