Обучение модели
Зачем обучать?
Предобученная модель YOLOv8 распознаёт общие категории (люди, машины, животные). Но если вам нужно считать ваши конкретные объекты — детали, бутылки, коробки — обучение на ваших данных даёт значительный прирост точности.
Шаг 1: Создайте датасет
- Откройте настройки счётчика → вкладка "Объекты"
- Нажмите "Создать датасет" и введите название
- Датасет привязан к камере — убедитесь, что камера подключена
Шаг 2: Захватите кадры
- Нажмите "Захватить кадр" — система сделает снимок с камеры
- Захватите минимум 5 кадров с разных моментов
- Чем больше разнообразия — тем лучше модель
Совет: захватывайте кадры с разным количеством объектов, разным освещением и небольшими изменениями ракурса.
Шаг 3: Разметьте объекты
- Выберите кадр из списка
- Кликните на каждый объект, который нужно считать — появится точка
- Выберите класс (категорию) для каждой точки, если классов несколько
- Повторите для всех захваченных кадров
Как работает: точки автоматически преобразуются в bounding box'ы нужного размера для обучения YOLO.
Шаг 4: Выберите движок
В выпадающем меню рядом с кнопкой "Обучить" выберите подходящий движок:
| Движок | Скорость | Точность | GPU |
|---|---|---|---|
| YOLOv8 Nano | Очень быстрый | Базовая | Не обязателен |
| YOLOv8 Small | Быстрый | Хорошая | Рекомендуется |
| YOLOv8 Medium | Средний | Высокая | Обязателен |
| YOLOv8 Large | Медленный | Очень высокая | Обязателен |
| YOLOv8 XLarge | Очень медленный | Максимальная | Мощный GPU |
| RT-DETR Large | Медленный | Максимальная | Мощный GPU |
Шаг 5: Запустите обучение
- Нажмите "Обучить"
- Прогресс отображается в реальном времени (эпоха / всего)
- Обучение YOLOv8n на CPU занимает ~10-30 минут (5-20 кадров)
- С GPU — в 5-10 раз быстрее
Шаг 6: Готово!
После завершения обучения модель автоматически применяется к видеопотоку. Перезагрузка не нужна — hot-swap на лету.
Проверьте качество: посмотрите на видеопоток — объекты должны распознаваться и обводиться рамками. Средняя уверенность отображается на панели наложения.
Советы по улучшению точности
- • Больше данных = лучше модель. 20-50 кадров — хороший старт
- • Включайте кадры с разным количеством объектов (0, 1, 5, 10+)
- • Добавляйте кадры при разном освещении (день / ночь)
- • Если точность низкая — попробуйте более крупный движок (Small → Medium)
- • Уменьшите порог уверенности (0.005-0.05) для обнаружения всех объектов