ММООЗЗГГ.ru

Нейросети компьютерного зрения: найти, посчитать, проверить

ТопНе только генерация

6 мин5 источников

Нейросети компьютерного зрения находят объекты на снимке, выделяют их по контуру и описывают сцену словами. Для поиска и подсчета берут детектор Ultralytics YOLO, для точного контура SAM 3*, для вопросов к картинке языковые модели со зрением: у Claude 1 место в Arena Vision на 16 октября 2026. Ниже восемь инструментов с ценой, лицензией и доступом из России.

Коротко

  • Найти и посчитать объекты на линии или складе: Ultralytics YOLO
  • Выделить объект по контуру или по описанию: SAM 3
  • Описать снимок и ответить на вопрос о нем: Claude, 1 место в Arena Vision на 16 октября 2026
  • Модель со зрением из семейства с открытыми весами: Qwen, 2 место в Arena Vision на 16 октября 2026
  • Камера, кадры, замеры без обучения модели: OpenCV
  • Разметить свои фото и обучить модель в облаке: Roboflow

Список

Порядок: Arena Vision, проверено 16 октября 2026.

  1. #1

    Claude

    Anthropic, США

    Для чего подходит
    Разбор снимков, схем и фото документов с ответом обычным языком.
    Почему в списке
    1 место в Arena Vision на 16 октября 2026, модель Claude Fable 5 (High)
    Цена
    бесплатный тариф; платный от 17 $ в месяц при оплате за год (20 $ помесячно) (16 октября 2026) тарифы
    Русский язык
    частично по данным сайта
    Доступ из России
    официально не поддерживает официальная страница
    Официальный сайт
    claude.ai
    Термин в словаре
    Claude
  2. #2

    Qwen

    Alibaba (команда Qwen), Китай

    Для чего подходит
    Вопросы к картинке; часть моделей семейства с открытыми весами ставится на свой сервер.
    Почему в списке
    2 место в Arena Vision на 16 октября 2026, модель qwen3.8-max
    Цена
    смотрите тарифы на сайте
    Доступ из России
    открытая модель, скачивается без ограничений по стране официальная страница
    Официальный сайт
    chat.qwen.ai
    Термин в словаре
    Qwen
  3. #3

    Gemini

    Google, США

    Для чего подходит
    Вопросы к фото и видео обычным языком, быстрые модели для потока снимков.
    Почему в списке
    6 место в Arena Vision на 16 октября 2026, модель Gemini 3.7 Flash (High)
    Цена
    бесплатный тариф; платный от 4,99 $ в месяц (Google AI Plus), Google AI Pro 19,99 $ в месяц (16 октября 2026) тарифы
    Русский язык
    да по данным сайта
    Доступ из России
    официально не поддерживает официальная страница
    Официальный сайт
    gemini.google.com
    Термин в словаре
    Gemini
  4. #4

    Ultralytics YOLO

    Ultralytics, США

    Для чего подходит
    Поиск и подсчет объектов на фото и видео: дефекты, товары, люди без каски.
    Почему в списке
    14 января 2026 года Ultralytics выпустила YOLO26: по данным компании, распознавание на процессоре стало быстрее до 43%. Ultralytics, пресс-релиз Business Wire, 14 января 2026
    Цена
    бесплатно по AGPL-3.0; облачная платформа: бесплатный тариф, платный от 29 $ в месяц за место; коммерческая лицензия Enterprise по запросу (16 октября 2026) тарифы
    Русский язык
    да по данным сайта
    Доступ из России
    открытая модель, скачивается без ограничений по стране официальная страница
    Лицензия
    AGPL-3.0 или платная лицензия Ultralytics EnterpriseБесплатно пользоваться можно только при условии, что весь проект с YOLO, включая обученные веса, будет открыт по AGPL-3.0, а для закрытого коммерческого или даже внутреннего использования нужна платная лицензия Ultralytics Enterprise, цена которой назначается по запросу.
    Официальный сайт
    docs.ultralytics.com
  5. #5

    SAM 3*

    Meta, США

    Для чего подходит
    Точный контур объекта по клику или по тексту: замер площади, разметка данных.
    Почему в списке
    По статье Meta от 20 ноября 2025 года SAM 3 вдвое повышает точность выделения объектов по текстовому описанию на изображениях и видео по сравнению с существующими системами, набор обучающих данных содержит 4 млн уникальных понятий. arXiv 2511.16719, 20 ноября 2025
    Цена
    бесплатно, веса выдаются по запросу на Hugging Face (16 октября 2026) тарифы
    Официальный сайт
    ai.meta.com/sam3
  6. #6

    Florence-2

    Microsoft, США

    Для чего подходит
    Открытая модель под MIT: подпись к снимку, поиск объекта по фразе, чтение текста на фото.
    Почему в списке
    Модель обучена на наборе FLD-5B: 5,4 млрд аннотаций на 126 млн изображений. arXiv: Florence-2: Advancing a Unified Representation for a Variety of Vision Tasks, 10 ноября 2023
    Цена
    бесплатно: открытая модель, веса скачиваются без запроса доступа (16 октября 2026) тарифы
    Доступ из России
    открытая модель, скачивается без ограничений по стране официальная страница
    Лицензия
    MIT
    Официальный сайт
    huggingface.co/microsoft/Florence-2-large
  7. #7

    OpenCV

    OpenCV.org, открытый проект

    Для чего подходит
    Работа с камерой и кадрами, геометрия, калибровка и замеры; часто стоит под моделями зрения.
    Почему в списке
    6 июня 2026 года вышла версия OpenCV 5.0.0, у репозитория библиотеки на GitHub 91,2 тыс. звезд на 16 октября 2026 года. GitHub, opencv/opencv, 6 июня 2026
    Цена
    бесплатно, открытая библиотека (16 октября 2026) тарифы
    Доступ из России
    открытая модель, скачивается без ограничений по стране официальная страница
    Лицензия
    Apache-2.0
    Официальный сайт
    opencv.org
  8. #8

    Roboflow

    Roboflow, США

    Для чего подходит
    Разметка своих фото, обучение и запуск модели в облаке без своей команды.
    Почему в списке
    В ноябре 2024 года Roboflow привлекла 40 млн $ в раунде B, раунд возглавил фонд GV. SiliconANGLE, 19 ноября 2024
    Цена
    бесплатный тариф: 10 кредитов в месяц; платный тариф Core от 39 $ в месяц (16 октября 2026) тарифы
    Русский язык
    нет по данным сайта
    Официальный сайт
    roboflow.com

Коротко: задача и модель

Компьютерное зрение решает три разные задачи, и под каждую своя модель. Найти и посчитать: детектор рисует рамку вокруг каждого объекта нужного класса. Выделить и измерить: модель сегментации дает точный контур, по нему считают площадь и размер. Понять сцену: языковая модель со зрением отвечает словами на вопрос о снимке.

Места в списке стоят только у языковых моделей. Arena ведет открытые рейтинги по слепым парным сравнениям пользователей, и Arena Vision сравнивает именно модели, которые отвечают на вопросы о картинке. YOLO, Florence-2, OpenCV и Roboflow в этом рейтинге не участвуют, поэтому в их карточках стоит факт из статьи или релиза с датой.

Поиск объектов

Детектор находит на кадре все объекты заданных классов и возвращает рамку, класс и уверенность. Так считают коробки на паллете, ищут людей без каски, замечают царапину на детали. Ultralytics YOLO ставят на камеру, промышленный компьютер или сервер. 14 января 2026 года вышла версия YOLO26: по данным компании, на процессоре она работает быстрее до 43%.

Главное про YOLO для бизнеса: лицензия AGPL-3.0. Бесплатно пользоваться можно, только если весь продукт с YOLO, включая обученные веса, вы откроете по той же лицензии. Для закрытого продукта и даже для внутренней системы завода нужна платная лицензия Ultralytics Enterprise, цену называют по запросу.

Простыми словами: обучить YOLO на своих фото брака и поставить на линию, не открывая код и веса, без покупки лицензии нельзя. Если открывать не хотите, заложите лицензию в бюджет или возьмите модель с разрешительной лицензией (MIT, Apache-2.0) и сравните точность на своих снимках.

Порядок запуска одинаковый для любого детектора: собрать снимки с вашей линии, разметить их, дообучить модель, проверить на кадрах, которых модель не видела, и только потом ставить на камеру. Разметку и обучение без своей команды дает Roboflow: бесплатный тариф включает 10 кредитов в месяц, платный Core стоит от 39 $ в месяц.

Выделение и измерение

Рамка говорит, где объект, но не показывает его форму. Для замеров нужна маска, то есть точный контур. SAM 3 (Segment Anything Model 3) вышла в ноябре 2025 года с открытыми весами: модель выделяет объекты на фото и видео, в том числе по текстовому описанию.

По статье разработчиков от 20 ноября 2025 года SAM 3 вдвое точнее выделяет объекты по текстовому описанию, чем существующие системы, а обучающий набор содержит 4 млн уникальных понятий. На практике это значит: можно написать «все трещины» или «все зеленые яблоки» и получить маски без ручной разметки.

Лицензия у SAM 3 своя, редакция от 19 ноября 2025 года, веса выдают по запросу на Hugging Face. Перед коммерческим запуском юрист читает ее условия так же внимательно, как условия YOLO.

Florence-2 от Microsoft решает соседние задачи одной моделью: подпись к снимку, поиск объекта по фразе, чтение текста. Ее обучали на наборе FLD-5B: 5,4 млрд аннотаций на 126 млн изображений. Лицензия MIT разрешает коммерческое использование без открытия своего кода.

Модели, которые понимают картинку

Языковая модель со зрением отвечает на вопрос о снимке обычным языком: что на фото, есть ли повреждение, что написано на шильдике. В Arena Vision пользователь задает вопрос с картинкой, видит два ответа без названий моделей и голосует за один из них. Термин разобран в словаре: визуально-языковая модель.

Места кандидатов в Arena Vision: Claude, 1 место в Arena Vision на 16 октября 2026; Qwen, 2 место в Arena Vision на 16 октября 2026; Gemini, 6 место в Arena Vision на 16 октября 2026. Версии моделей, которые заняли эти места, указаны в карточках.

Доступ важнее места. Claude и Gemini официально не поддерживают Россию. У Qwen часть моделей открыта: в августе 2026 года Alibaba впервые открыла веса модели класса Qwen-Max, Qwen3.8 на 2,4 трлн параметров. Открытую модель ставят на свой сервер, и снимки не уходят за пределы компании.

Где граница: языковая модель подробно описывает отдельный снимок, но для непрерывного потока с камеры она медленная и дорогая. Поток считает детектор, а языковую модель зовут на редкие спорные кадры, когда нужен ответ словами.

Лица и биометрия: закон

Лицо, по которому система узнает человека, становится биометрическими персональными данными. Статья 11 закона 152-ФЗ: сведения, которые характеризуют физиологические и биологические особенности человека, обрабатываются только с согласия в письменной форме. Исключения перечислены в части 2: правосудие, оборона, безопасность и другие случаи, где действует государство.

Для магазина, офиса или склада вывод практический. Узнавание сотрудников на проходной требует письменного согласия каждого. Подсчет посетителей и длина очереди решаются детектором людей, который не сравнивает лица с базой; схему все равно проверяет юрист до запуска.

Хранение тоже регулируется: сбор и хранение персональных данных граждан России ведутся в базах на территории России. Поэтому кадры с лицами не отправляют в зарубежный облачный сервис, а модель ставят на свой сервер. Термин разобран в словаре: распознавание лиц.

Зрение на производстве

На заводе зрение окупается там, где сегодня смотрит человек: контроль дефектов, подсчет, проверка маркировки, каска и жилет в опасной зоне. Как металлургический комбинат проверяет продукцию с помощью компьютерного зрения и прогнозных моделей, разобрано в статье о контроле качества на «Северстали».

Шаги пилота: выбрать один участок с понятной ценой ошибки, собрать снимки брака и нормы, обучить детектор и неделю сравнивать его решения с решениями контролера. Готовые сценарии для заводов собраны на странице ИИ для производства.

Сервер для зрения стоит на площадке: кадры не уходят за периметр, модель работает без интернета. OpenCV под Apache-2.0 и Florence-2 под MIT для этого подходят без условий об открытии кода, YOLO требует решения по лицензии до покупки камер.

Когда зрению нужны руки, начинается робототехника: манипулятор берет деталь, которую нашла камера. Модели и роботы для этого собраны в обзоре о робототехнике.

Как мы составили топ

  • Место языковой модели в Arena Vision на дату проверки
  • Для детекторов и библиотек: факт из статьи или релиза разработчика с датой
  • Лицензия: можно ли закрытое коммерческое использование
  • Запуск на своем сервере и доступ из России

Порядок: Arena Vision. Места только у инструментов, чьи модели есть в рейтинге.

Проверено:

Как мы составляем рейтинги

Вопросы и ответы

Какая нейросеть лучше распознает объекты? Зависит от задачи. Для поиска и подсчета объектов в потоке с камеры берут детектор, например Ultralytics YOLO: версия YOLO26 вышла 14 января 2026 года.

Для вопросов к отдельному снимку смотрите Arena Vision: у Claude 1 место в Arena Vision на 16 октября 2026, у Qwen 2 место в Arena Vision на 16 октября 2026.

Можно ли распознавать лица посетителей? Только с письменного согласия каждого человека: лицо, по которому узнают личность, относится к биометрическим персональным данным (ст. 11 152-ФЗ).

Собрать такое согласие у каждого посетителя на входе в магазин практически нельзя. Посчитать людей и измерить очередь можно детектором, который не сравнивает лица с базой.

Источники

* Компания Meta признана экстремистской организацией, ее деятельность в России запрещена.

Написать в Telegram