System detekcji głowy ludzi

O projekcie
Projekt koncentruje się na zadaniu liczenia tłumu oraz monitorowaniu bezpieczeństwa poprzez dokładne wykrywanie głów ludzi. Jest to podstawowe zadanie dla systemów monitoringu wideo, gdzie ważne jest widzenie liczby ludzi nawet w gęstym tłumie.

Pipeline treningowy:
• Model: YOLOv11n (najszybsza wersja, zoptymalizowana dla urządzeń Edge).
• Epoki: 100.
• Urządzenie: GPU (CUDA).
• Wynik: Stabilnie wysoka dokładność (mAP50 ≈ 0.97).

Wizualizacja
Niestandardowa funkcja w OpenCV, która rysuje ramki ograniczające (bounding boxes) i wyświetla poziom pewności modelu (confidence score) nad każdym obiektem.

Wyniki szkolenia
Model wykazuje wysoką zdolność do uogólniania. Wykresy strat (Loss functions) pokazują stabilny spadek.
Wskaźnik mAP50 (średnia dokładność przy 50% pokryciu) przekracza 0,9, co uważane jest za doskonały wynik.
Wskaźnik mAP50-95 osiąga 0,65+, co jest wysokim wynikiem dla lekkich detektorów.

Stos technologiczny
• Core: Python
• ML: Ultralytics YOLOv11, PyTorch
• CV: OpenCV

#machinelearning #computerwzrok #ML #AI