Дообучение нейросетевых моделей YOLOv8 для детекции автомобилей и номерных знаков

Аннотация

В статье рассматривается процесс дообучения моделей семейства YOLOv8 для задач детекции автомобилей (четыре класса: легковой автомобиль, грузовик, автобус, мотоцикл) и государственных регистрационных знаков. Приводятся методики формирования размеченных наборов данных (15000 и 3000 изображений соответственно), параметры обучения и достигнутые метрики качества. Для детекции автомобилей значение mAP50 составило 0.903, для номерных знаков – 0.956, что превышает целевые показатели. Сделан вывод о высокой эффективности YOLOv8 для построения специализированных систем компьютерного зрения при условии репрезентативной обучающей выборки.