Сегментация дефектов ткани

О сервисе

YOLOv8 — Сегментация дефектов ткани Модель YOLOv8 разработана для обнаружения и сегментации дефектов на поверхности ткани. Способна выявлять различные типы дефектов: разрывы, дыры, пятна и неравномерности. Построена на архитектуре YOLO (You Only Look Once), обеспечивающей обнаружение и сегментацию объектов в реальном времени. Разработчик: Ebest Тип модели: Обнаружение и сегментация объектов Язык: Python, PyTorch Лицензия: apache-2.0 Базовая модель: YOLOv8 Источники Репозиторий: https://github.com/TheJagStudio/pipeliner Применение Прямое использование Модель можно напрямую применять для обнаружения и сегментации дефектов на поверхности ткани в реальном времени или на статичных изображениях. Использование в downstream-задачах Может быть дообучена для конкретных типов тканей или категорий дефектов, а также интегрирована в системы контроля качества текстильных производств. Вне области применения Модель может плохо справляться с обнаружением дефектов на нетекстильных поверхностях или в средах со сложным фоном. Ограничения и риски Производительность модели может варьироваться в зависимости от условий освещения, текстуры ткани и степени выраженности дефекта. Возможны трудности с обнаружением незначительных дефектов или различением дефектов от сложных узоров ткани. Детали обучения Обучающие данные Модель обучена на датасете из изображений различных типов ткани с размеченными областями дефектов. Датасет включает примеры разрывов, дыр, пятен и других распространённых дефектов. Процедура обучения Использовались техники аугментации данных: случайные повороты, отражения и масштабирование. Архитектура YOLOv8 обучалась на комбинации размеченных и синтетически сгенерированных изображений дефектов. Гиперпараметры Оптимизатор: SGD Скорость обучения: 0.005 Размер батча: 16 Эпохи: 300 Техническая спецификация Архитектура: YOLOv8 (сегментация) Фреймворк: PyTorch, CUDA GPU: Nvidia RTX 3050 Источник: https://qubu.ai/models/ml-segmentatsiya-defektov-tkani License: MIT