Детектор зрелости томатов

Сегментация зрелости томатов с помощью YOLOv8-Ghost-QWA

• Чтобы использовать YOLOv8-Ghost-QWA, вам необходимо выполнить следующие инструкции:

• Установите модифицированную библиотеку Ultralytics. Для этого выполните следующую команду:

• Далее, скачайте веса модели

• из этого репозитория. Вы также можете скачать пример изображения для инференса или использовать свое собственное.

• Пример изображения:

• Затем используйте следующий фрагмент кода, передав путь к вашему локальному файлу изображения:

• Альтернативно, вы можете использовать OpenCV для чтения изображения и передачи его в виде массива numpy:

Архитектура модели

Основным улучшением по сравнению с оригинальной YOLOv8 является использование модулей Ghost Convolution для ускорения инференса, особенно в условиях ограниченных или встроенных сред.

Поскольку облегченные свертки могут снизить репрезентативную способность, модель использует SimAM attention в backbone и QWA attention в head (после каждого модуля C2F) для сохранения высокого качества признаков.

Эти компоненты attention эффективно компенсируют потенциальное снижение accuracy, обеспечивая сохранение производительности на уровне, близком к стандартной YOLOv8, и при этом обеспечивают более высокую эффективность.

Датасет

• Датасет, использованный для обучения этой модели, состоит из изображений из LaboroTomato и нашего ITomatoSegUa:

• merged-laboro-and-itomato-seg-ua

• Источник: https://huggingface.co/ai-department-lpnu/YOLOv8-Ghost-QWA