YOLOv
adityaeucloid
Detección de objetos
YOLOv es un modelo de detección de objetos basado en PyTorch desarrollado por ultralytics. Este modelo emplea la versión 8 de YOLO y se utiliza para la detección de una variedad de etiquetas en imágenes. La versión YOLOv8 ofrece capacidades avanzadas de detección y permite a los usuarios configurar varios parámetros para la inferencia.
Como usar
Instalar ultralyticsplus:
pip install ultralyticsplus==0.0.29 ultralytics==8.0.238
Cargar el modelo y realizar predicciones:
from ultralyticsplus import YOLO, render_result
# cargar el modelo
model = YOLO('adityaeucloid/YOLOv')
# configurar parámetros del modelo
model.overrides['conf'] = 0.25 # umbral de confianza NMS
model.overrides['iou'] = 0.45 # umbral de IoU NMS
model.overrides['agnostic_nms'] = False # NMS independiente de la clase
model.overrides['max_det'] = 1000 # número máximo de detecciones por imagen
# establecer imagen
image = 'https://github.com/ultralytics/yolov5/raw/master/data/images/zidane.jpg'
# realizar inferencia
results = model.predict(image)
# observar resultados
print(results[0].boxes)
render = render_result(model=model, image=image, result=results[0])
render.show()
Funcionalidades
- Detección de objetos
- Compatibilidad con TensorBoard
- Desarrollado con PyTorch
- Utiliza ultralytics v8 y ultralyticsplus
- Detección en tiempo real
- Configuración de parámetros de confianza e IoU
- Capacidad para manejar hasta 1000 detecciones por imagen
Casos de uso
- Detección de direcciones de clientes
- Identificación de números de factura
- Detección de nombres y direcciones de proveedores
- Extracción de fechas de factura
- Cálculo de montos totales y montos netos