🎯 AI Detection

Детекция объектов с помощью модели детекции и Sliced Detection для мелких объектов.

🤖 Модель детекции

OKITO использует Детекция с помощью модели объектов и позы в реальном времени. Модель поддерживает 80+ классов COCO с высокой точностью и скоростью.

Параметры модели

Параметр Описание По умолчанию
model Путь к модели детекции detection_model.pt
device Устройство для инференса cuda:0 / cpu / auto
imgsz Размер изображения 1536
Интервал модели Каждый N-й кадр обрабатывается 1-2
Для максимальной скорости используйте imgsz=1280 и Интервал модели=2. Для максимальной точности — imgsz=1920 и Интервал модели=1.

📋 Классы детекции

Основные классы

person
car
truck
bus
cell phone
smoke
cigarette
bicycle

Полный список классов COCO: person, car, truck, bus, motorcycle, bicycle, traffic light, stop sign, bench, chair, couch, bed, dining table, laptop, cell phone, remote, keyboard, book, clock, bottle, cup, fork, knife, spoon, bowl, sandwich, hot dog, pizza, donut, cake, chair, couch, potted plant, bed, dining table, toilet, tv, laptop, mouse, remote, keyboard, cell phone, microwave, oven, toaster, sink, refrigerator, book, clock, vase, scissors, teddy bear, hair drier, toothbrush...

📐 Sliced Detection

Sliced Detection разбивает изображение на слайсы для детекции мелких объектов на камерах высокого разрешения.

Параметры Sliced Detection

Параметр Описание По умолчанию
Включить Sliced Detection Включить Sliced Detection обработку On
Slice Размер слайса (px) 128
Overlap Перекрытие между слайсами (0-1) 0.6
Interval Каждый N-й кадр обрабатывается Sliced Detection 2
Sliced Detection уверенность Порог уверенности для Sliced Detection 0.4
Small Area Ratio Порог площади мелких объектов 0.08

🎚️ Уровни чувствительности

Режим Описание Применение
High Минимум ложных срабатываний Ответственные зоны, высокая точность
Medium Сбалансированный режим Обычные условия эксплуатации
Low Максимальная чувствительность Тестирование, сложные условия