YOLOv8 para detección de objetos en imagen térmica
foduucom
Detección de objetos
El modelo de detección de objetos YOLOv8 está especialmente diseñado para la detección de objetos en imágenes térmicas. Está basado en el marco YOLO (You Only Look Once) y ha sido ajustado en un vasto conjunto de datos, logrando una alta precisión en la detección de mesas y en la diferenciación entre diversos objetos térmicos.
Como usar
Para comenzar con el modelo YOLOv8s para la detección y clasificación de objetos, sigue estos pasos:
pip install ultralyticsplus==0.0.28 ultralytics==8.0.43
from ultralyticsplus import YOLO, render_result
# cargar el modelo
model = YOLO('foduucom/thermal-image-object-detection')
# configurar parámetros del modelo
model.overrides['conf'] = 0.25 # Umbral de confianza NMS
model.overrides['iou'] = 0.45 # Umbral NMS IoU
model.overrides['agnostic_nms'] = False # NMS independiente de la clase
model.overrides['max_det'] = 1000 # número máximo de detecciones por imagen
# configurar imagen
image = '/path/to/your/document/images'
# 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 precisa de objetos en imágenes térmicas
- Capacidad para distinguir entre diferentes tipos de objetos térmicos
- Integración fluida con tecnologías avanzadas de detección de objetos
- Empoderamiento de los usuarios para aislar objetos dentro de datos de imágenes térmicas
- Soporta etiquetas como 'caja' y 'detección de objetos'
Casos de uso
- Detección directa de objetos en imágenes térmicas
- Tareas específicas de detección de objetos mediante ajuste fino
- Integración en aplicaciones más amplias para la medición de distancias, detección de objetos basada en imágenes, y otros campos relacionados