arnabdhar/YOLOv8-nano-aadhar-card

arnabdhar

Detección de objetos

El modelo YOLOv8-nano-aadhar-card está diseñado para detectar y extraer texto de imágenes de tarjetas Aadhaar. Puede ser útil para una variedad de aplicaciones, como entrada automática de datos, detección de fraudes y verificación de documentos.

Como usar

Instalación de dependencias
$ pip install ultralytics huggingface_hub supervision

Cargar el modelo
from ultralytics import YOLO
from huggingface_hub import hf_hub_download
from supervision import Detections

# detalles del repositorio
repo_config = dict(
repo_id = "arnabdhar/YOLOv8-nano-aadhar-card",
filename = "model.pt",
local_dir = "./models")

# cargar modelo
model = YOLO(hf_hub_download(**repo_config))

# obtener el mapeo de id a etiqueta
id2label = model.names
print(id2label)

Realizar inferencia
image_url = "https://i.pinimg.com/originals/08/6d/82/086d820550f34066764f4047ddc263ca.jpg"
detections = Detections.from_ultralytics(model.predict(image_url)[0])
print(detections)

Afinar el modelo
Los siguientes hiperparámetros se usaron para afinar el modelo:
- modelo: yolov8n.pt
- lote: 4
- épocas: 100
- optimizador: AdamW
- épocas de calentamiento: 15
- semilla: 42
- tamaño de la imagen: 640

Resultados de evaluación
Las siguientes métricas de evaluación fueron obtenidas por best.pt para las predicciones de cajas:
- recall: 0.962
- precisión: 0.973
- mAP50: 0.963
- mAP50_95: 0.748

Funcionalidades

Detección de texto en imágenes de tarjetas Aadhaar
Utiliza el modelo de detección de objetos de última generación YOLOv8
Permite extraer texto a un archivo de texto u otros formatos
Compatible con las etiquetas AADHAR_NUMBER, DATE_OF_BIRTH, GENDER, NAME y ADDRESS

Casos de uso

Entrada automática de datos
Detección de fraudes
Verificación de documentos