#yolov8 — Public Fediverse posts
Live and recent posts from across the Fediverse tagged #yolov8, aggregated by home.social.
-
Обучаем ИИ видеть то, чего он никогда не видел
Задача обнаружения объектов на изображении не нова, подходов к её решению существует масса. Вероятно, самым популярным и известным среди них будет YOLO . Появившись в 2015 году, эта серия систем по сей день используется, когда хочется сделать детекцию быстро, без долгих экспериментов с архитектурой. Однако, какой бы ни была архитектура, все их объединяет одна и та же проблема — данные. Для полноценного обучения нужны сотни и тысячи изображений, с разных ракурсов, в разных условиях. Если цель — академический проект, обнаружение машин или колосков пшеницы, то найти датасет не составляет проблем. Но что, если датасета нет и/или его невозможно собрать в принципе в нужном объеме? Скажем, редкий дефект в производстве, истребитель новой конструкции? Ждать, пока накопится много брака, или надеяться на утечку чертежей? Мы провели пару экспериментов с моделью YOLO для проверки гипотезы: как далеко можно уехать, используя исключительно синтетические данные? Ознакомиться
https://habr.com/ru/companies/ruvds/articles/1056044/
#yolov8 #yolo #компьютерное_зрение #машинное_обучение #cv #ruvds_статьи
-
RE: https://mas.to/@seeingwithsound/111834395889199173
(PDF, 2023) Delivering sensory and semantic visual information via auditory feedback on mobile technology https://apps.dtic.mil/sti/trecms/pdf/AD1226041.pdf #AI-Sight app, #SoundSight, #blindness #iPhone #LiDAR #DeepLabV3 #YOLOv5 #YOLOv8
-
How to Set Up Object Detection on Raspberry Pi
#raspberrypi #python #yolov8 #opencv #linux
https://raspberrytips.com/object-detection-guide-raspberry-pi/ -
YOLOv11 и RF-DETR для object detection в видео. Добавление временных характеристик с помощью суперкадра
Если ввести в поиск запрос object detection , почти сразу среди результатов окажутся модели семейства YOLO в разных версиях. Это неудивительно: они популярны, быстры, достаточно просты в использовании и хорошо подходят для прикладных задач. Модели вроде YOLO и RF-DETR обычно работают по одной и той же схеме: на вход подается изображение, на выходе мы получаем предсказания объектов. Такой подход удобен и хорошо работает для картинок. Но видео — это не просто набор независимых кадров.
-
Un projet open source qui détecte les nids-de-poule
https://fed.brid.gy/r/https://korben.info/detection-nids-poule-yolov8-ia-open-source.html
-
Система мониторинга и подсчета перелетных птиц
Идея проекта возникла этой весной, когда в наши края приезжал вице-президент Союза охраны птиц России Алексей Леонович Эбель, для учёта гуменника, мигрирующего через Алтайский край. Проблема в том, что гусь летит 5-6 недель и неравномерно (насколько неравномерно - это базовый вопрос). И ещё нерешённая задача: гусь может лететь ночами. Алексей Леонович вычислил место, где гуменника во время весенней миграции учитывать оптимальнее всего. Эта точка оказалась недалеко от меня. За 2 плюс один неполный световых дня в коридоре 7-8 км он насчитал почти 15.000 пролётных особей, а мы с друзьями ему в этом немного помогали. Понятно, что посчитать это вручную более-менее точно не получится, поэтому я сразу подумал о том, чтобы автоматизировать задачу. Идея довольно простая. Клин гуменника (да и в принципе любой птицы) летит не очень быстро. Можно просто при помощи длиннофокусной камеры сканировать небо и пытаться найти птицу в кадре при помощи нейросети. Камеру можно закрепить на механизме наподобие турели, управлять моторами будет Arduino, а искать птиц и посылать команды на контроллер будет одноплатник (или подобная более мощная железка).
https://habr.com/ru/companies/timeweb/articles/963198/
#arduino #камера #yolov8 #отслеживание_объекта_камерой #timeweb_статьи #птицы #научнопопулярное
-
Собираем ANPR-систему на Python: от YOLOv8 и кастомного OCR до INT8-квантизации
Привет, Хабр! Распознавание автомобильных номеров (ANPR) — задача не новая. Существует множество коммерческих решений и open-source библиотек. Но что, если стандартные инструменты не не подходят? А что, если нам нужна система, которая будет молниеносно работать на обычном CPU, без дорогих видеокарт? Недавно я столкнулся именно с такой задачей. Вместо того чтобы просто "склеить" готовые решения, я решил пройти весь путь ML-инженера от начала до конца: от анализа данных до обучения кастомных SOTA-моделей и их финальной оптимизации. В этой статье я поделюсь всем процессом, кодом, результатами и проблемами, с которыми пришлось столкнуться.
-
Как мы научили нейросеть читать технические схемы и сразу считать их стоимость
Когда думаешь о «цифровой трансформации» в промышленности, в голове обычно всплывают роботы, датчики, большие экраны и дроны, которые сами разносят детали по цеху. В реальности всё часто упирается в куда более прозаичные вещи. Например — технические схемы. Представьте: целые шкафы с папками, где вперемешку свежие CAD-чертежи и сканы пожелтевших листов А3 с подписями от руки: «Смотри сюда», «замени резистор». Чтобы собрать спецификацию и посчитать стоимость, инженеру приходилось садиться с карандашом и Excel — и часами переписывать резисторы, транзисторы, конденсаторы, их номиналы и количество. Ошибся в одной букве или не заметил мелкий элемент — и вся цепочка снабжения поехала. В какой-то момент мы, как разработчики, задали себе вопрос: «А почему в 2025 году до сих пор человек должен глазами считать резисторы на сканах, если есть компьютерное зрение и OCR?» Так и стартовал проект: сделать систему, которая за полминуты превратит «кривой скан схемы из прошлого века» в таблицу компонентов с готовой сметой.
https://habr.com/ru/articles/951016/
#машинное+обучение #computer_vision #yolov8 #ocr #paddleocr #нейросети #обработка_изображений #цифровая_трансформация #автоматизация #промышленность
-
YOLOv8 research tutorial: Discover 10 powerful steps to customize YOLOv8 for your research. Boost your AI projects today! #YOLOv8 #ObjectDetection #Research #AI #DeepLearning
-
The main innovation is that we trained a YOLOv8-based Bird Song Detector to filter only segments with bird vocalizations before running species classifiers.
The results are that for all classifiers, metrics improve when the Bird Song Detector is first applied:
-
Разработка автономного робота для навигации по городу
Как мы взяли первое место на Кубке РТК "Высшая лига" с TurtleBot3 на ROS2 В рамках регионального этапа хакатона “Кубок РТК: Высшая лига”, который проходил 24-25 мая в Москве, наша команда misis_robo_family разработала автономного робота с функцией распознавания дорожных знаков и возможностью следовать по маршруту, используя эти знаки. Этот проект объединил в себе современные технологии компьютерного зрения и автономной навигации.
-
Автономный робот для обследования нефтяного месторождения: новые решения
В апреле 2025 года на базе НИТУ «МИСИС» прошёл второй этап хакатона «Кубок РТК: Нефтяное месторождение». Наша команда misis_robo_club снова приняла участие с автономным роботом для инспекции нефтепромысла, но на этот раз с существенно доработанным решением.
-
AI, FreeRTOS и Linux в кармане: возможности LicheeRV Nano
В этой статье речь пойдет о разработке под отладочную плату LicheeRV Nano - компактное устройство размером с две пятирублевые монеты, но обладающее впечатляющими возможностями. Плата способна одновременно запускать Linux и FreeRTOS , выполнять инференс нейронных сетей (будет разобран запуск YOLO в 100 FPS и LLama2.c) благодаря встоенному NPU с производительностью 1 TOPS , а также управлять периферийными устройствами: GPIO, I2C, UART, SPI, CSI камерой, Wi-Fi, Bluetooth и Ethernet. Это первая часть статьи, представляющая собой методическое руководство по работе с платой. Во второй части будет рассмотрена разработка полноценного проекта на её основе.
https://habr.com/ru/articles/880230/
#c++ #linux #электроника #программирование #npu #yolo #yolov8 #робототехника #llm #opencv
-
ИИ-система инспекции груза: преимущества, вызовы и реализация
В мире логистики и грузоперевозок огромное значение придается сохранности груза. Склады обязаны обеспечить целостность и сохранность груза во время хранения, так как любые повреждения влекут за собой потерю доверия клиентов и ощутимые штрафы. Эта проблема решается качественной инспекцией груза и ведением отчетности о его состоянии, — процесс, который можно облегчить с помощью искусственного интеллекта.
https://habr.com/ru/companies/agima/articles/852250/
#ai #искусственный_интеллект #логистика #label_studio #datapipe #yolov5 #yolov8
-
ИИ-система инспекции груза: преимущества, вызовы и реализация
В мире логистики и грузоперевозок огромное значение придается сохранности груза. Склады обязаны обеспечить целостность и сохранность груза во время хранения, так как любые повреждения влекут за собой потерю доверия клиентов и ощутимые штрафы. Эта проблема решается качественной инспекцией груза и ведением отчетности о его состоянии, — процесс, который можно облегчить с помощью искусственного интеллекта.
https://habr.com/ru/companies/agima/articles/851424/
#ai #искусственный_интеллект #логистика #label_studio #datapipe #yolov5 #yolov8
-
Распознаем беспилотники малых размеров с помощью ИИ
Беспилотные летательные аппараты (БПЛА), или дроны, становятся всё более распространёнными в различных областях — от коммерческой доставки и мониторинга сельскохозяйственных угодий до разведывательных миссий и обеспечения безопасности. Однако, по мере роста их числа, возрастает и сложность задачи их распознавания, идентификации и трекинга, особенно когда речь идёт о малых дронах. Читать далее ->
https://habr.com/ru/articles/838782/
#yolov5 #yolov8 #yolov9 #компьютерное_зрение #искусственный_интеллект
-
Using a YOLOv8 model trained in Python with Java is quite cumbersome. You need to add a series of DJL packages and OpenCV, and also convert the .pt file to .torchscript format beforehand. Additionally, you have to handle the labels yourself, and process images and videos separately. The performance doesn’t seem as good as calling it directly in Python.
#python #java #yolov8 -
Как определять объекты с ptz камеры
В статье предлагается рассмотреть практические моменты применения ptz камеры (на примере модели Dahua DH-SD42C212T-HN) для детектирования и классификации объектов. Рассматриваются алгоритмы управления камерой через интерфейс ONVIF, python. Применяются модели (сети) depth-Anything, yolov8, yolo-world для детектирования объектов.
https://habr.com/ru/articles/836474/
#onvif #видеоаналитика #машинное_зрение #yolov8 #ptzкамера #yoloworld
-
Как мы научили computer vision модель YOLOv8 работать с данными лидара
Обучили модель компьютерного зрения читать данные с лидара и вычислять человекопоток возле билбордов. Анализируем эффективность офлайн-рекламы — так, чтобы ни заказчика, ни его клиентов не оштрафовали на миллионы евро за нарушение закона о персональных данных.
https://habr.com/ru/articles/829298/
#компьютерное_зрение #Computer_vision #yolov8 #yolo8 #lidar #лидар #нейросеть #AI #ИИ #ML
-
Апдейтить или нет: нужно ли брать новую ML-модель?
Бывала у вас такая ситуация. Выходит новая нейронная сеть и все руководство начинает требовать внедрить её? Половина коллег восторженно рассказывает о новом слое который позволил повысить точность сети? YoloV(N+1) ? LLAMA100 ?
-
Работа с YOLOV8. Детекция, сегментация, трекинг объектов, а также подготовка собственного датасета и обучение
Если вам кажется, что начать работу с нейросетями - это сложно, то этот материал для вас! В статье подробно, с примерами кода, разберем основные функции базовой модели YOLOV8 - детекция, сегментация, трекинг объектов, а также создание собственного датасета и дообучение нейросети для работы с собственными объектами!
-
Анализ производительности моделей YOLOv8
В данной статье речь пойдёт о замерах производительности и точности работы моделей YOLOv8 на разных устройствах с различными оптимизациями и без них. Большое внимание будет уделено работе Yolo на “слабых устройствах”, таких как Raspberry PI, Orange PI, Jetson Nano, мини ПК. Современные задачи робототехники требуют вычислений "на борту", что особенно актуально для автономных систем. Важность данного исследования заключается в том, что оно направлено на решение задачи детекции в режиме реального времени на маломощных устройствах, что открывает новые возможности для использования компьютерного зрения в мобильных и автономных роботах. Будем считать, что FPS обработки изображений >= 10 пригоден для некоторых задач детекции в реальном времени, но далеко не для всех. Читать подробнее
https://habr.com/ru/articles/822917/
#yolov8 #intel #оптимизация #yolo #нейронные_сети #машинное+обучение
-
[Перевод] DIY для шпиона: использование обнаружения объектов с помощью YOLOv8 в рамках военных стратегий
Применим геопространственную разведку для точный количественный учет воздушных судов противника? Используем для этого технологию обнаружения объектов YOLOv8 на основе аэрофотосъемки, выполненной разведывательными беспилотниками, что обеспечит надежное планирование военных действий. В рамках глобальной системы мониторинга, известной как « The Machine ». , функционируют разнообразные элементы. Данная система объединяет множество устройств, распределенных по всему земному шару, что обеспечивает комплексное наблюдение. Это позволяет государственным органам осуществлять мониторинг за индивидуальными лицами, анализировать общественные поведенческие тенденции и контролировать военные объекты на международном уровне. Геопространственная разведка (GEOINT) занимает центральное место в этой системе. В этой статье основное внимание уделим GEOINT в качестве ключевого средства для мониторинга военных авиабаз противника. Такой подход к наблюдению за объектами и базирующейся на них авиацией способствует глубокой проработке стратегии и тактики ведения боевых действий.
https://habr.com/ru/companies/bothub/articles/815273/
#ии #ии_и_машинное_обучение #diy #diy_или_сделай_сам #обнаружение_объектов #yolo #yolov8
-
@corq This looks promising.
A year ago I tried an ASL TF-Lite model that purported 98% accuracy on Android, but I got 0% accuracy on my Raspberry Pi-PiCam system and gave up.
My robot now has an Oak-D-W which supports YOLOv8, so I look forward to trying again to give my robot an ASL interface. (Robot can talk but has no ears.)
-
Interested in detecting features in pictures for #gis ?
I wrote a tutorial on how to use @panoramax, @osm_fr and #YOLOv8 to detect your own map features !
Give it a look at https://github.com/panoramax-project/DetectionTutorial (in 🇬🇧 and 🇫🇷 )
-
For my second blogpost of the day ;) one of my more infamous and far-fetched experiments encompasses the combination of #MachineLearning combined with a Spatial Map to recognize and locate objects in 3D space, using a #YoloV8 #computervision model. This worked pretty well on #HoloLens2. I got it to work on #MagicLeap2 as well, but it was quite a rocky road. The #RealityCollective #ServiceFramework to the rescue :). Explanation, sample and full code at: https://localjoost.github.io/Running-a-YoloV8-model-on-a-Magic-Leap-2-to-recognize-objects-in-3D-space/
-
For my ML-powered predator detection program:
I absolutely don't want to label tens of thousands of images manually, so these past weeks (lol, yea weeks) I've been trying to make a custom #ML backend for #selfhosted #labelStudio, using #yoloV8.
I've gotten it to return predictions somehow, but am struggling with making the backend do model training.
Do y'all have any bright ideas?