В мире компьютерного зрения и машинного обучения технологии обнаружения объектов занимают важное место благодаря высокой востребованности в различных сферах — от видеонаблюдения и автоматизации производства до автомобильной промышленности и медицины. Одним из лидирующих подходов в этой области является алгоритм YOLO (You Only Look Once), который позволяет эффективно и быстро выявлять объекты на изображениях и видео. Для разработчиков, работающих на языке Elixir, появление библиотеки Elixir YOLO стало важным событием, сделав задачу интеграции современных моделей YOLO более доступной и удобной. С выходом версии 0.2.
0 произошёл качественный скачок в функциональности и возможностях библиотеки. Она получила поддержку новейшей версии модели YOLOX, а также внедрила возможность использования кастомных моделей, что открывает широкие горизонты для адаптации под свои индивидуальные задачи. Одной из ключевых особенностей обновления является реализация поддержки YOLOX — популярной модели от Megvii, которая кардинально отличается от Ultralytics YOLO своим лицензированием и архитектурой. Благодаря ёмкой реализации интерфейса YOLO.Model поведение, разработчики получают возможность легко интегрировать модели, реализуя лишь несколько ключевых функций — preprocess и postprocess.
Такой подход минимизирует усилия по адаптации любой модели, упрощая её использование и расширяя список поддерживаемых архитектур. Переход к YOLOX несёт важные преимущества с точки зрения юридических аспектов. В отличие от моделей Ultralytics, распространяющихся по лицензии AGPL, которая, хоть и разрешает коммерческое использование, но требует обязательного раскрытия исходного кода при модификациях и использовании модели как сервиса, YOLOX лицензируется на условиях Apache 2.0. Это существенно расширяет права коммерческих пользователей и облегчает интеграцию в корпоративные решения без риска нарушения лицензий.
Помимо YOLOX пользователи могут легко загружать модели из официального репозитория Megvii, в том числе предобученные модели в формате ONNX, что предоставляет мгновенный старт с высококачественными весами, обученными на общеизвестных датасетах, таких как COCO. Важное изменение, сыгравшее ключевую роль в расширении возможностей, — это отказ от жёсткой фиксации структуры выходных данных модели с фиксированным числом предсказаний размером 8400x84. Эта бумажная архитектурная особенность ограничивала библиотеку использованием лишь определённых моделей Ultralytics, с конкретным количеством классов и типов выходных данных. Обновлённая система постобработки стала модель-независимой, что дало возможность работать с абсолютно произвольным количеством классов и предсказаний. Это крайне важно, поскольку современные сценарии применения часто требуют не просто адаптации готовой модели, а создания собственных нейронных сетей, обученных на уникальных наборах данных — будь то распознавание специальных промышленных компонентов, нестандартных объектов на видео или более узконаправленных задач, таких как контроль качества либо распознавание номерных знаков и даже интеграция OCR.
Благодаря этой свободе теперь можно использовать модели, обученные на расширенных датасетах, например OpenImages V7, в котором представлено более 600 классов. Для энтузиастов и профессионалов подготовлены примеры и livebook-файлы, которые демонстрируют практическое применение новых возможностей, позволяя опробовать и настраивать работу библиотеки на собственных данных. Следующая крупная инновация касается производительности. Постобработка данных — ответственный этап, на котором сортируются и фильтруются потенциальные объекты, определяются конечные границы и классы. В прошлом этот процесс сильно тормозил работу библиотеки, делая реальное использование в режиме реального времени проблематичным без дополнительного Rust-ускорения.
В новой версии логика постобработки была переписана с использованием мощного инструментария Nx.Defn — функционала для высокопроизводительных вычислений в Elixir. Это позволило увеличить скорость обработки примерно в сотню раз, снижая время с 400 до 4 миллисекунд на современном оборудовании, например MacBook Air M3. Теперь Elixir-реализация вполне конкурентоспособна и может применяться в реальных сценариях с высокой частотой кадров, что значительно расширяет спектр практического использования. При этом библиотека FastNMS, которая изначально была внедрена как NIF для быстрого подавления перекрывающихся предсказаний, также была обновлена для поддержки модели-независимого подхода, что делает весь стек более универсальным и гибким.
Перспективы развития не менее интересны. В ближайших обновлениях планируется внедрение объектного трекинга — способности идентифицировать и отслеживать каждый объект через последовательные кадры видео, что позволит не просто фиксировать объекты, а анализировать их движение и поведение во времени. Такое развитие критично для бесчисленного числа приложений, включая системы безопасности, умный транспорт и робототехнику. Кроме того, в планах стоит расширение поддержки различных фреймворков. В данный момент библиотека ориентируется на Ortex для загрузки и выполнения моделей, но существует идея интеграции с Axon или NxHailo, что позволит использовать аппаратные ускорители и упростит развитие на ограниченных платформах, таких как Raspberry Pi 5 с Hailo-8 ускорителем, без необходимости компиляции тяжелых серверных компонентов.
Это открывает новые горизонты для внедрения технологий компьютерного зрения непосредственно в edge-устройства с ограниченными ресурсами и высокими требованиями к энергопотреблению. Поддержка кастомных моделей и открытая архитектура делают Elixir YOLO привлекательной платформой для разработчиков и исследователей, ориентированных на создание своих уникальных систем. Всё становится максимально простым и при этом мощным — от обучения и настройки модели до интеграции и запуска в продакшен среде. Автор библиотеки, вдохновлённый балансировкой семейной жизни и программирования, активно развивает проект, предоставляя качественную документацию и обучающие материалы, благодаря чему освоение и использование становится доступным даже для новичков. В итоге Elixir YOLO — это современный инструмент, который сочетает удобство Elixir, мощь современных архитектур YOLO и гибкость в практическом применении.
Благодаря поддержке YOLOX, модели-независимой постобработке и значительным улучшениям в скорости, библиотека становится идеальным выбором для тех, кто ищет эффективное решение для задач распознавания и детекции объектов в различных условиях, с возможностью быстрого перехода на индивидуальные требования и коммерческие проекты без лицензионных ограничений. По мере развития технологии и расширения функционала становится очевидным, что будущее компьютерного зрения в Elixir создаётся сейчас, и Elixir YOLO играет в этом ключевую роль, предлагая высококачественные, производительные и комфортные решения для сообщества разработчиков.
