YOLO26L: Обнаружение судов для береговой охраны

Что умеет

Эта модель YOLO26L специально доработана для обнаружения различных типов судов на видеозаписях берегового наблюдения. Она была разработана в рамках прототипа ISR (Integrated Surveillance and Reconnaissance) для OmniSense Defense. Модель способна идентифицировать морские объекты по следующим классам:

ID Название 0 Грузовое судно 1 Военный корабль 2 Малая лодка 3 Танкер 4 Неизвестно 5 Судно

Как обучена

Модель была дообучена на размеченных вручную видеозаписях берегового наблюдения. Для обучения использовался набор данных из 250 кадров, а для валидации — 50 кадров из . Архитектура модели — YOLO26L с 24.7 миллионами параметров и 86.1 GFLOPs.

Параметры обучения:

• Базовая модель: (с теплым стартом через run1 → run2 → run4)

• Размер изображения: 1280x1280 пикселей

• Оптимизатор: AdamW, начальная скорость обучения 0.003, косинусное расписание

• Аугментации: мозаика 0.5, микс-ап 0.1, преобразования HSV, смещение, масштабирование, горизонтальное отражение

• Терпение ранней остановки: 40 эпох

Метрики качества

• Валидационные метрики (лучший результат в прогоне 4, эпоха 126):

• mAP50: 0.875

• mAP50-95: 0.452

• Точность (Precision): 0.831

• Полнота (Recall): 0.764

Применение

Модель предназначена для использования в системах наблюдения и безопасности, в частности, для мониторинга прибрежных зон. Пример использования модели с библиотекой Ultralytics:

Для обнаружения небольших или удаленных судов рекомендуется использовать SAHI для плиточного вывода:

Ограничения:

• Модель обучена на одной прибрежной сцене, что может сказаться на ее обобщающей способности в других географических регионах.

• Классы 0 (Грузовое судно), 3 (Танкер), 4 (Неизвестно), 5 (Судно) недостаточно представлены в обучающих данных.

• Наилучшие результаты достигаются при размере изображения ; меньшие размеры ухудшают полноту обнаружения маленьких судов.

Ссылки

MuayThaiLegz/yolo26l-vessel-coastguard-v1

Ссылки

https://https://huggingface.co/MuayThaiLegz/yolo26l-vessel-coastguard-v1