hscn-waste-checkpoints

HSCN Waste Checkpoints - YOLOv12 + Hierarchical Sibling Classification Network (HSCN)

Repository ini berisi kumpulan checkpoint model untuk sistem deteksi dan klasifikasi sampah hierarkis dua tahap:

1. YOLOv12 - mendeteksi objek sampah dalam gambar (bounding box).
2. HSCN (Hierarchical Sibling Classification Network) - mengklasifikasikan setiap objek hasil crop deteksi ke dalam 3 level hierarki:
   • L1 - Waste Management: kategori penanganan sampah (mis. daur ulang, organik, residu)
   • L2 - Material: jenis material (mis. plastik, kertas, logam, kaca)
   • L3 - Specific Object: kelas objek spesifik (mis. botol plastik, kaleng, kardus)

Model ini dikembangkan sebagai bagian dari penelitian tugas akhir/skripsi mengenai klasifikasi sampah berbasis computer vision, dan telah melalui proses sidang serta submission paper konferensi (SENTRIN).

Struktur Repository

Dataset

• 6.357 objek crop (hasil deteksi) digunakan untuk training klasifikasi HSCN
• 2.085 gambar sebelum augmentasi digunakan untuk training deteksi YOLOv12
• Sumber dataset gabungan dari 4 dataset publik: TrashNet, TACO, RealWaste, dan Kaggle (waste classification dataset)

Hasil Evaluasi

Deteksi Objek - YOLOv12

Model terbaik: YOLOv12-Large

Klasifikasi Hierarkis - HSCN

6 backbone dievaluasi untuk mencari kombinasi terbaik. ConvNeXt-Small terpilih sebagai backbone terbaik:

Catatan: L3 (klasifikasi objek spesifik) merupakan level tersulit karena jumlah kelas yang lebih banyak dan granularitas visual yang tinggi antar sub-kategori material yang mirip.

Cara Penggunaan

Checkpoint di repository ini dalam format native (PyTorch .pt/state_dict sesuai arsitektur asli - bukan format transformers), sehingga perlu dimuat menggunakan kode arsitektur model asli (YOLOv12 & HSCN), bukan lewat AutoModel dari library transformers.

Contoh unduh checkpoint dengan huggingface_hub:

from huggingface_hub import hf_hub_download

# Contoh: unduh checkpoint YOLOv12-Large
yolo_ckpt = hf_hub_download(
    repo_id="afinnn/hscn-waste-checkpoints",
    filename="waste_detection_results_yolol/<nama_file_checkpoint>"
)

# Contoh: unduh checkpoint HSCN ConvNeXt-Small
hscn_ckpt = hf_hub_download(
    repo_id="afinnn/hscn-waste-checkpoints",
    filename="waste_hscn_results_convnext_small/<nama_file_checkpoint>"
)

Lalu muat checkpoint sesuai kelas model masing-masing (YOLOv12 loader / HSCN nn.Module custom) pada kode training/inference.

Arsitektur Pipeline

Sistem bekerja dalam dua tahap yang berurutan: deteksi objek diikuti klasifikasi hierarkis pada tiap objek yang terdeteksi.

flowchart TD
    A["Gambar Input"] --> B["Tahap 1: Deteksi Objek\nYOLOv12"]
    B --> C["Crop Objek Terdeteksi\n(per bounding box)"]
    C --> D["Tahap 2: Klasifikasi Hierarkis\nHSCN (ConvNeXt-Small)"]
    D --> E["L1: Waste Management"]
    D --> F["L2: Material"]
    D --> G["L3: Specific Object"]
    E --> H["Output Akhir:\nBounding Box + Label Hierarkis L1/L2/L3"]
    F --> H
    G --> H

Sitasi

Jika menggunakan model ini, mohon sitasi paper terkait (SENTRIN) - detail sitasi akan diperbarui setelah publikasi resmi.

@inproceedings{hscn-waste-2026,
  title={Two-Stage Waste Detection and Hierarchical Classification using YOLOv12 and HSCN},
  author={Afin},
  booktitle={SENTRIN},
  year={2026}
}

Lisensi

MIT License - bebas digunakan untuk riset dan pengembangan lebih lanjut, dengan tetap mencantumkan atribusi.

Kontak

Untuk pertanyaan lebih lanjut mengenai model atau kolaborasi, silakan hubungi melalui profil Hugging Face @afinnn.