Downloads · 30 days
34
100% of all-time downloads
scorelens-dd7
Bayernator/scorelens-dd7
scorelens-dd7 is a object detection model from Bayernator. Use it when you need objects located in an image. It is set up for ultralytics. The card lists the license as cc-by-nc-4.0.
Feingetunte Variante von dart-sense (YOLOv8n, Lizenz CC BY-NC 4.0) für FreeDarts/ScoreLens: erkennt auf einem Foto die Kalibrierpunkte eines Steel-Dartboards und die Spitzen der steckenden Darts. 7 Klassen: 20, 3, 11,…
All-time downloads
34
Public
Repo size
6.3 MB
Likes
0
Public
Repo makeup
Click a slice to open those files.
.pt6.3 MB · 100%
At a glance
- Task
- Object Detection
- Library
- ultralytics
- License
- cc-by-nc-4.0
- Access
- Public
- Created
- Sep 20, 2026
- Updated
- Sep 20, 2026
- SHA
- 7861deff
Base models
Model card
From the Hugging Face model README
scorelens-dd7
Feingetunte Variante von dart-sense (YOLOv8n, Lizenz CC BY-NC 4.0) für FreeDarts/ScoreLens:
erkennt auf einem Foto die Kalibrierpunkte eines Steel-Dartboards und die Spitzen der steckenden Darts. 7 Klassen: 20, 3, 11, 6
(Kalibrierpunkte am Doppelring), dart (Spitze), 9, 15 (Zusatzpunkte). Eingabe 800 px.
Training auf Kaggle (T4, Gratis-Kontingent), Warmstart aus dd6, die ersten 5 Backbone-Blöcke eingefroren.
➖ Nicht in die App übernommen. Auf dem alten Benchmark (bench_hard) gleichauf mit dd6; erst der Benchmark v3.1 zeigt, wo dd7 stärker ist: bei echten schweren Würfen (87,1 % – Bestwert aller Modelle) und leicht bei fremden Darts. Die zusätzlichen Roboflow-Bilder bringen Bildvielfalt, sind aber leicht und DeepDarts-ähnlich.
→ Interaktive Rangliste aller Modelle
Trainingsdaten
| Datensatz | data7 = Hälfte des data6-Trainings (Zufallsstichprobe) + alle 10.000 Bilder des Roboflow-Satzes score-lpfmv/darts-bjj98 (CC BY 4.0) |
| Trainingsbilder | 62.762 (nach doppelter Gewichtung der seitlichen D2-Fotos) |
| Validierung | 1.579 echte DeepDarts-Bilder, in keinem Training enthalten |
| Epochen | 19 in 3,5 h |
| Lernrate | 0.0003, Cosinus-Abklingen |
| Bildgröße | 800 px |
Benchmark v3.1 (8.373 Testbilder, 47 Kategorien)
App-Wertung bildet die zweistufige Erkennung der App nach: erst das Board finden (vier der sechs Kalibrierpunkte, Entzerrung auf 3 mm genau), dann im frontal entzerrten Ausschnitt jeden Dart richtig werten. Ein fehlender, zusätzlicher oder falsch gewerteter Dart macht das Bild falsch.
| Basismodell | dd6 | dd7 | |
|---|---|---|---|
| App-Wertung | 33,1 % | 42,1 % | 43,5 % |
| … ohne AnyDarts-Fotos | 29,7 % | 52,5 % | 53,6 % |
| Stufe 1: Board gefunden | 61,6 % | 87,4 % | 86,2 % |
| Stufe 2: Darts im entzerrten Bild richtig | 49,0 % | 48,7 % | 50,2 % |
| Exakt im Rohbild (streng) | 21,9 % | 37,2 % | 39,4 % |
App-Wertung je Gruppe:
| Gruppe | Basismodell | dd6 | dd7 |
|---|---|---|---|
| Blickwinkel | 19,1 % | 53,8 % | 53,8 % |
| Licht | 30,3 % | 47,1 % | 48,2 % |
| Bildqualität | 31,8 % | 42,3 % | 43,8 % |
| Kombiniert | 2,1 % | 31,8 % | 31,1 % |
| Echte schwere Würfe | 79,5 % | 82,6 % | 87,1 % |
| Schwere Würfe, gestört | 8,3 % | 58,1 % | 59,3 % |
| Dart an Dart | 47,2 % | 60,3 % | 61,7 % |
| AnyDarts-Fotos | 43,0 % | 11,9 % | 14,0 % |
Eigenmessung im Trainingslauf (Spitzen-Recall / Precision bei 10 px Toleranz)
| dd6 (Start) | dd7 | |
|---|---|---|
| DeepDarts-Validierung | 97,5 / 98,4 % | 98,5 / 98,6 % |
Diese Validierung ist seit dd6 gesättigt und unterscheidet die Modelle kaum noch – deshalb der Benchmark v3.1.
Dateien
best.pt (Ultralytics YOLOv8n) · metrics.json (alle Messwerte des Laufs) · results.csv (Verlauf je Epoche)
from ultralytics import YOLO
model = YOLO("best.pt")
result = model.predict("board.jpg", imgsz=800, conf=0.3)[0]
Quellen und Lizenzen
Basismodell dart-sense (CC BY-NC 4.0) · DeepDarts (McNally et al., CVPRW 2021) ·
Roboflow score-lpfmv/darts-bjj98 (CC BY 4.0) · AnyDarts (nur Testfotos im Benchmark).
Nicht kommerziell nutzbar (folgt der Lizenz des Basismodells).
- Task
- Object Detection
- Library
- ultralytics
- License
- cc-by-nc-4.0
- Created
- Sep 20, 2026
- Updated
- Sep 20, 2026