Дообучение модели yolo12s.pt

python3 train_yolo.py
  --data "./merged_dataset/data.yaml"
  --model-size s
  --epochs 100
  --imgsz 640
  --batch 8
  --device mps
  --workers 4
  --project runs
  --name cars_ft_s

Обученные нами модели

1. cars_ft_s2

Для обучения этой модели использовался смешанный датасет.

Основой датасета являлись собранные нами 236 изображений с камеры на улице Генерала Хазова 9, г. Пушкин. Кадры сохранялись с интервалом в 1 час в течение почти 10 дней, а затем были аккуратно размечены в программе CVAT.

Кроме этого были использованы фрагменты из следующих открытых датасетов:

• CAR
• car
• Car
• car detection

Ссылки на содержимое репозитория:

• Датасет, на котором обучалась модель
• Данные об обучении модели
• Полученная модель YOLOv12

Основные метрики:

• mAP@50: 0.978,
• mAP@50–95: 0.799,
• Precision (точность): 0.956,
• Recall (полнота): 0.925.

Экспорт best.pt в OpenVINO

Распознавание автомобилей на сервере для дальнейшего определения занятых парковочных мест на сервере происходит с использованием модели в более легковесном формате OpenVINO. Для экспорта модели YOLOv12 в OpenVINO можно использовать скрипт export_to_openvino.py из этого репозитория или следующую команду:

yolo export model=./runs/cars_ft_s2/weights/best.pt format=openvino imgsz=640 half=True dynamic=False opset=12