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