chanelcolgate/chamdiemgianhang-vsk-v8

chanelcolgate
Detección de objetos

Modelo de detección de objetos basado en PyTorch y TensorBoard desarrollado por chanelcolgate. Utiliza la arquitectura YOLOv8 y ultralytics para la detección y clasificación de varios tipos de objetos.

Como usar

Cómo usar el modelo:

Instalar ultralyticsplus:

pip install ultralyticsplus==0.1.0 ultralytics==8.0.239

Cargar el modelo y realizar predicción:

from ultralyticsplus import YOLO, render_result

# cargar el modelo
model = YOLO('chanelcolgate/chamdiemgianhang-vsk-v8')

# establecer parámetros del modelo
model.overrides['conf'] = 0.25 # umbral de confianza de NMS
model.overrides['iou'] = 0.45 # umbral de IoU de NMS
model.overrides['agnostic_nms'] = False # NMS clase-agnóstico
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
Integración con TensorBoard
Basado en PyTorch
Configuraciones de precisión de NMS
Capacidad de detección en tiempo real

Casos de uso

Detección y clasificación de productos en imágenes
Implementación en sistemas de vigilancia para reconocer objetos específicos
Aplicaciones en comercio electrónico para la gestión de inventarios