[Перевод] Аугментация ограничивающих боксов в детекции: форматы, `BboxParams` и типичные ошибки

Когда аугментации в детекции «не работают», проблема часто не в модели, а в bbox после преобразований. Неверный coord_format , перепутанные нормализованные и абсолютные координаты, агрессивные кропы, пустые боксы после фильтрации — всё это не ломает код, но quietly ломает обучение. В статье разбираю: — какие форматы bbox поддерживает Albumentations — как правильно настраивать A.BboxParams — когда использовать min_area и min_visibility — почему обычный RandomCrop часто плохая идея для detection — и где пайплайн чаще всего ломается на практике Если вы работаете с COCO , YOLO , pascal_voc или просто хотите перестать обучать модель на испорченной разметке — этот материал для вас.

https://habr.com/ru/articles/1020618/

#albumentations #bounding_boxes #object_detection #computer_vision #data_augmentation #bbox #coco #yolo #python #deep_learning

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.

https://habr.com/ru/articles/1018062/

#yolov8 #RFDETR #object_detection #volleyball

Чистая правда: как компьютерное зрение помогает делать мир чище

Компьютерное зрение развивается стремительно: задачи, которые ещё недавно требовали собственных датасетов и долгого обучения моделей, теперь решаются готовыми инструментами. Всем привет! Меня зовут Алина, я инженер‑исследователь в Центре искусственного интеллекта СФУ. В этой статье расскажу, как мы применяем методы компьютерного зрения для анализа фотографий уборок в проекте «Чистые игры», как подошли к задаче автоматической оценки качества уборок и какие технические решения легли в основу MVP. В конце поделюсь выводами и тем, что удалось сделать, а что ещё предстоит улучшить.

https://habr.com/ru/articles/968952/

#Object_Detection #zeroshot #grounding_dino #LightGlue

Когда YOLO не спасает: как один параметр может испортить всё

История о том, почему в ML побеждают не те, у кого самая большая модель, а те, кто понимает, что они делают.

https://habr.com/ru/articles/943516/

#покер #онлайнпокер #карты #computer_vision #yolo #object_detection #детекция_объектов #разметка_данных #датасет #оптимизация_моделей

Обнаружение дронов (БПЛА) с использованием ИИ и компьютерного зрения

Обнаружение дронов (БПЛА) object-detection с использованием ИИ YOLOv12 и компьютерного зрения OpenCV.

https://habr.com/ru/articles/921648/

#Object_detection #YOLO #yolov12 #opencv #YOLO_Custom_Dataset_Training #бпла #Обучение_YOLO #computer_vision #ai #обнаружение_объектов

Применение рекомендательного фреймворка ODRS на практике: SCARA-робот сортирует цветные крышки

В лаборатории комании Insystem мы часто применяем наш фреймворк ODRS (подробнее тут ) для решения различных задач в области компьютерного зрения. Одной из такой задач стала настройка SCARA робота для сортировки цветных крышек от пластиковых бутылок. Этот проект был вызван необходимостью автоматизировать процесс переработки, увеличивая его эффективность и точность. Используя ODRS, мы смогли обучить робота распознавать крышки различных цветов, а затем сортировать их по категориям. В ходе работы были выполнены следующие задачи:

https://habr.com/ru/articles/827540/

#object_detection #recommendation #recommender_system #yolo #robotics #scara #python #kaggle

YOLO-World: распознавание произвольного числа объектов с высокой точностью и скоростью

Всем привет! Буквально несколько дней назад была представлена новая модель семейства Yolo. Ее основная фишка заключается в том, что в отличие от своих старших братьев, она способна распознавать на изображении фактически любые объекты (которые интересуют человека) без предварительного обучения и делает все это в real-time режиме! Звучит неплохо, не так ли? В этой статье мы попробуем разобраться, что же за магия скрывается внутри новой архитектуры.

https://habr.com/ru/articles/791154/

#Машинное_обучение #Computer_Vision #object_detection #yolo #sota