Детектор зрелости томатов

О сервисе

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 Источник: https://qubu.ai/models/yolov8-ghost-qwa License: MIT