Перейти к содержанию

🚀 Быстрый старт

Установка

pip install acmenra-core

docker pull acmenra/acmenra-core:latest
docker run -it acmenra/acmenra-core

git clone https://github.com/acmenra/acmenra-core.git
cd acmenra-core
pip install -e .

Первый пример (2 команды)

1. Установите пакет

pip install acmenra-core

2. Запустите детекцию

acmenra detect source="https://example.com/image.jpg" model="acmenra-v1n.pt"

Вес модели и изображение загрузятся автоматически, результат сохранится в runs/detect/predict.

Python API

from acmenra_core import Acmenra
from acmenra_core.instance import DeviceType, TaskType

# Загрузите модель
model = Acmenra("acmenra-v1n.pt")

# Запустите детекцию
results = model.predict(source="image.jpg")

# Обработайте результаты
for result in results:
    for instance in result:
        print(f"{instance.label.name}: {instance.conf:.2f}")

# Визуализация
result.show()

CLI команды

Detect (детекция объектов)

# Детекция на изображении
acmenra detect source="image.jpg" model="acmenra-v1n.pt"

# Детекция на видео
acmenra detect source="video.mp4" model="acmenra-v1n.pt"

# Детекция с веб-камеры
acmenra detect source="0" model="acmenra-v1n.pt"

Train (обучение)

# Обучение на своих данных
acmenra train data="dataset.yaml" model="acmenra-v1n.pt" epochs=100

Val (валидация)

# Валидация метрик
acmenra val model="acmenra-v1n.pt" data="dataset.yaml"

Export (экспорт)

# Экспорт в ONNX
acmenra export model="acmenra-v1n.pt" format="onnx"

# Экспорт в TensorRT
acmenra export model="acmenra-v1n.pt" format="engine"

Track (трекинг)

# Multi-object tracking
acmenra track source="video.mp4" model="acmenra-v1n.pt"

Следующие шаги