📌 Описание проекта

Топ-10 решение в рамках Международного форума Архипелаг (Сколково) 2025

Данный проект направлен на автоматическую детекцию людей на изображениях, полученных с беспилотных авиационных систем (БАС), с использованием современных нейросетевых технологий. В работе:

• Выполнена предобработка датасета: масштабирование изображений, удаление выбросов.

• Произведено дообучение модели YOLO11n на очищенном наборе данных.

• Проведена валидация модели с построением ключевых метрик.

• Реализован постпроцессинг предсказаний:

  • Clipping предсказанных рамок.
  • Non-Maximum Suppression (NMS).
  • Фильтрация по размерам bounding box.

---

🔍 Процесс работы

1. Предобработка данных

https://www.kaggle.com/code/vasilyartonkin/splitting-data

• Масштабирование изображений для унификации размера.
• Удаление выбросов для улучшения качества данных.
• Разбиение выборки на обучающую, валидационную, тестовую

2. Обучение модели

https://www.kaggle.com/code/vasilyartonkin/training-yolo11n

• Использована архитектура YOLO11n как лёгкая и быстрая модель для инференса на UAV.
• Дообучение на кастомном наборе данных.
• Использование аугментаций для повышения обобщающей способности.

3. Валидация

https://www.kaggle.com/code/vasilyartonkin/validation-cv

• Оценка по метрикам Precision, Recall, mAP50-95.
• Построение кривых PR и графика F1 vs Confidence.

4. Постпроцессинг

• Clipping рамок для исключения выхода за границы изображения.
• Non-Maximum Suppression (NMS) для удаления дубликатов.
• Фильтрация рамок по минимальному размеру.

---

📊 Результаты

Precision-Recall кривая

F1 Score Confidence

---

🛠 Используемые технологии

• YOLO11n
• PyTorch
• OpenCV
• Albumentations
• NumPy / Pandas
• Matplotlib / Seaborn

---