Нейросетевые алгоритмы получили широкое распространение во множестве приложений благодаря своей способности достигать высокой производительности на различных наборах данных. Однако до сих пор нейронные сети испытывают трудности с обобщением на новых данных из-за так называемого доменного разрыва. В данной работе демонстрируется изменение производительности нейросетевого алгоритма оценки позы YOLO8 на зашумленных данных после обучения на очищенном наборе данных.