Обучение модели детекции объектов (YOLOv8, YOLO11, RT-DETR)

model: yolov8m.pt
data: dataset.yaml
imgsz: 640
batch: 16
epochs: 200
optimizer: AdamW
lr0: 0.001
lrf: 0.01
momentum: 0.937
weight_decay: 0.0005
warmup_epochs: 3.0
mosaic: 1.0
mixup: 0.15
copy_paste: 0.1
degrees: 10.0
translate: 0.1
scale: 0.5
flipud: 0.0
fliplr: 0.5
hsv_h: 0.015
hsv_s: 0.7
hsv_v: 0.4

from ultralytics import YOLO
model = YOLO('yolov8m.pt')
results = model.train(
    data='dataset/data.yaml',
    imgsz=640,
    batch=16,
    epochs=200,
    device='0',
    project='runs/detect',
    name='defect_v1',
    save_period=10,
    val=True,
    plots=True,
    patience=50
)

Если imgsz увеличить до 1280, [email protected] для мелких объектов (15–40 px) растёт на 5–8%, но время обучения увеличивается в 4 раза, а VRAM — до 24 ГБ. Для сцен с мелкими объектами мы также отключаем mosaic в последних 10 эпохах и снижаем его вес до 0.5.

Типовые проблемы обучения: разбор трёх причин

Самая частая ситуация: loss падает, val mAP растёт до ~0.6 и стагнирует. Анализ confusion matrix показывает систематические FP одного класса. Три основные причины:

1. Аннотационные ошибки. Даже 5% неправильных bbox разрушают обучение мелких классов. Инструмент диагностики — скрипт аудита, который проверяет выход за границы, микро-bbox и дубликаты.

import numpy as np
from pathlib import Path

def audit_annotation_quality(labels_dir: str) -> dict:
    issues = {'out_of_bounds': [], 'tiny_boxes': [], 'duplicates': []}
    for label_path in Path(labels_dir).glob('*.txt'):
        boxes = np.loadtxt(label_path, ndmin=2)
        if boxes.shape[0] == 0:
            continue
        cls_ids, cx, cy, bw, bh = (boxes[:, i] for i in range(5))
        oob = (cx - bw/2 < 0) | (cx + bw/2 > 1) | \
              (cy - bh/2 < 0) | (cy + bh/2 > 1)
        if oob.any():
            issues['out_of_bounds'].append(str(label_path))
        tiny = (bw * bh) < 0.0004
        if tiny.any():
            issues['tiny_boxes'].append(str(label_path))
    return issues

2. Несбалансированный датасет. YOLOv8 anchor-free, но spatial bias — объекты одного класса в одной области кадра — приводит к тому, что модель выучит корреляции с фоном. Решение — стратифицированная разбивка и аугментации: RandomPerspective, Copy-Paste.

3. Слишком агрессивный mosaic. Для мелких объектов mosaic уменьшает их в 2–4 раза, делая недетектируемыми. Мы включаем mosaic только на первых 90% эпох, а для датасетов с объектами < 20 px снижаем его вес до 0.5 и комбинируем с MixUp.

Как проходит обучение: пошаговый план

1. Анализ данных. Проверяем количество объектов на класс, размеры bbox, распределение по изображениям. Если данных меньше 500 объектов на класс — используем предобученные веса YOLOv8m и фиксируем backbone.
2. Конфигурация. Подбираем imgsz, batch size, optimiser, LR schedule. Для мелких объектов — imgsz=960 или 1280, уменьшаем mosaic.
3. Запуск тренировки. Используем Ultralytics HUB или локальный скрипт с мониторингом через TensorBoard/WandB. Останавливаем по patience=50.
4. Валидация. Смотрим confusion matrix, Precision-Recall кривые, [email protected]:0.95. Если [email protected] < 0.8 — возвращаемся к шагу 1.
5. Экспорт. Конвертируем в TensorRT (FP16) или ONNX. Проверяем latency на целевых GPU.

Когда YOLO не хватает? Преимущества RT-DETR

RT-DETR (Real-Time DEtection TRansformer) — трансформерная детекция без NMS. Превосходит YOLOv8 на сценах с сильными окклюзиями и нестандартными соотношениями сторон объектов. На задаче детекции мелких дефектов (объекты 15–40px) RT-DETR-L даёт [email protected] на 7% выше YOLOv8m при всего на 4ms больше latency. Как указано в документации Ultralytics, RT-DETR обеспечивает state-of-the-art соотношение точности и скорости. Сравнение:

Пример обучения RT-DETR:

from ultralytics import RTDETR
model = RTDETR('rtdetr-l.pt')
model.train(
    data='dataset/data.yaml',
    imgsz=640,
    batch=8,
    epochs=100,
    device='0',
    optimizer='AdamW',
    lr0=0.0001,
    warmup_epochs=2
)

TensorRT для production

Для продакшена экспортируем обученную модель в TensorRT с FP16 — это даёт ~2x ускорение инференса по сравнению с PyTorch при падении mAP не более 0.5%. Рассматриваем также INT8-квантование, если допустимо снижение точности до 1% (экономия памяти до 50%). Пример экспорта:

from ultralytics import YOLO
trained_model = YOLO('runs/detect/defect_v1/weights/best.pt')
trained_model.export(
    format='engine',
    device=0,
    half=True,
    dynamic=False,
    imgsz=640,
    batch=1,
    workspace=4
)

Что входит в нашу работу

• Анализ задачи и подбор архитектуры (YOLO / RT-DETR / Detectron2 / кастомные трансформеры)
• Сбор и разметка датасета (конвертация из COCO, Pascal VOC, Supervisely, CVAT)
• Обучение с оптимизацией гиперпараметров и аугментаций (Grid Search, Bayesian Optimization)
• Валидация на контрольной выборке: mAP, confusion matrix, PR-curve, FPS
• Экспорт в TensorRT / ONNX с квантованием FP16/INT8
• Документация по модели (model card) и инференс-скрипт
• Поддержка после внедрения (2 недели)

Сроки и стоимость

Стоимость рассчитывается индивидуально под каждую задачу. Включает фиксированный SLA — мы гарантируем достижение целевой метрики ([email protected] > 90%) или дорабатываем модель бесплатно. Получите консультацию по вашему проекту — расскажем, какой подход даст максимальную точность при ваших ограничениях по бюджету и времени.

Об опыте команды

Более 10 лет в компьютерном зрении. Обучили 50+ моделей для задач: дефектоскопия на производстве, детекция объектов на спутниковых снимках, подсчёт людей в retail, распознавание животных на фермах. Работаем с YOLO, RT-DETR, Detectron2, DETR, Swin Transformer. Полный стек: PyTorch, TensorRT, ONNX, NVIDIA Triton. Наши специалисты — участники Kaggle Grandmaster и авторы open-source CV-библиотек.

Свяжитесь с нами для обсуждения вашего проекта.