разбор · yolo
7.0
из 10
смотреть по главам — взять две-три нужные минуты
оценка машинная и частично зависит от длины ролика — спорите, открывайте оригинал
YOLO26: Детекция и Сегментация объектов с помощью нейросети + Тесты и сравнение с RT-DETR.
Сравнение YOLO26 (CNN) и RT-DETR (трансформер) в детекции объектов: YOLO быстрее и стабильнее по FPS, RT-DETR находит больше объектов, особенно в сложных сценах и при плохом освещении. Показано демо с блюром, сегментацией и оценкой позы.
Сравнение YOLO26 (CNN) и RT-DETR (трансформер) в детекции объектов: YOLO быстрее и стабильнее по FPS, RT-DETR находит больше объектов, особенно в сложных сценах и при плохом освещении. Показано демо с блюром, сегментацией и оценкой позы.
что из этого моё
Можно применить для выбора модели в задачах видеоаналитики: если нужна скорость и стабильность — YOLO26, если полнота детекции в сложных сценах — RT-DETR. Демо с блюром и сегментацией полезно для создания сервисов приватности и аналитики.
Тезисы ролика
применимого к своей работе линза здесь не нашла
▸Для real-time сценариев выбирайте YOLO26: выше FPS и стабильнее время инференса.
▸Для максимальной полноты детекции (например, плотный трафик) используйте RT-DETR: находит больше объектов, особенно в сложных условиях.
▸При плохом освещении RT-DETR детектит в 2+ раза больше объектов, чем YOLO26.
▸В продакшене можно автоматически скрывать объекты (лица, экраны) по классам в реальном времени в браузере.
о чём говорят, по времени
главы доводят до 02:51 · дальше по ролику меток нет
01
Введение и сравнение архитектур00:00 ↗
Обзор YOLO26 и RT-DETR, их архитектурные различия.
02
Тест на плотном трафике00:31 ↗
Сравнение моделей на видео с множеством машин.
03
Тест при плохом освещении01:40 ↗
Сравнение на ночном видео города.
04
Демо-приложение02:51 ↗
Показ продакшн-применения: блюр, сегментация, оценка позы.