YOLO — Segmentantor

Как работает YOLOv8

YOLOv8 (Ultralytics, 2023) — state-of-the-art модель для обнаружения и инстанс-сегментации объектов. В отличие от SAM, YOLO самостоятельно находит все объекты на изображении, а затем сервис выбирает маску ближайшую к точке клика.

Пайплайн

🖼️

Тайл

640×640 px

→

🔍

Backbone

CSPDarknet

→

📦

Detect + Seg

N объектов

→

🎯

NMS

фильтрация

→

📌

Nearest

к клику

Параметры

Параметр	Тип	По умолч.	Описание
`processor`	string	"yolo"	Имя процессора
`click_x`	float	—	X координата клика в px
`click_y`	float	—	Y координата клика в px
`conf`	float	0.25	Порог confidence
`iou`	float	0.7	Порог NMS IoU

Модель

Характеристика	Значение
Архитектура	YOLOv8n-seg (nano)
Формат	PyTorch (.pt)
Размер	~6.7 МБ
Классы	80 (COCO)
Входное разрешение	640 × 640 px
Скорость (CPU)	~80 мс / кадр

Сравнение с SAM

Критерий	SAM	YOLO
Подход	Point-prompt (1 объект)	Instance detection (все)
Скорость	~300 мс (первый клик)	~80 мс
Повторные клики	~15 мс (кэш)	~80 мс (каждый раз)
Качество контура	Высокое (pixel-level)	Среднее (mask head)
Размер модели	~102 МБ	~7 МБ

Примеры использования

# Сегментация с YOLO
curl -X POST http://localhost:8090/segment \
  -H "Content-Type: application/json" \
  -d '{
    "image_url": "/api/gpkg/tile/z/x/y.png",
    "click_x": 128,
    "click_y": 200,
    "processor": "yolo"
  }'

# Ответ: {"contour": [[x,y],...], "score": 0.87, ...}

const res = await fetch('/segment', {
  method: 'POST',
  headers: { 'Content-Type': 'application/json' },
  body: JSON.stringify({
    image_url: '/api/gpkg/tile/z/x/y.png',
    click_x: 128,
    click_y: 200,
    processor: 'yolo'
  })
});
const { contour, score } = await res.json();
// contour = [[x,y], ...], score = 0.87

import requests

resp = requests.post(
    "http://localhost:8090/segment",
    json={
        "image_url": "/api/gpkg/tile/z/x/y.png",
        "click_x": 128,
        "click_y": 200,
        "processor": "yolo",
    }
)
data = resp.json()
contour = data["contour"]   # [[x,y], ...]
score   = data["score"]     # 0.87