keremberke/yolov5m-blood-cell

keremberke

Detección de objetos

Modelo de detección de objetos especializado en la detección de células sanguíneas utilizando YOLOv5m. Este modelo ha sido entrenado para identificar y clasificar diferentes tipos de células sanguíneas en imágenes. Proporciona resultados precisos con parámetros ajustables para la confianza y el umbral de IoU.

Como usar

pip install -U yolov5

import yolov5

# cargar modelo
model = yolov5.load('keremberke/yolov5m-blood-cell')

# configurar parámetros del modelo
model.conf = 0.25 # Umbral de confianza de NMS
model.iou = 0.45 # Umbral de IoU de NMS
model.agnostic = False # NMS class-agnostic
model.multi_label = False # NMS múltiples etiquetas por caja
model.max_det = 1000 # número máximo de detecciones por imagen

# configurar imagen
img = 'https://github.com/ultralytics/yolov5/raw/master/data/images/zidane.jpg'

# realizar inferencia
results = model(img, size=640)

# inferencia con aumento de tiempo de prueba
results = model(img, augment=True)

# analizar resultados
predictions = results.pred[0]
boxes = predictions[:, :4] # x1, y1, x2, y2
scores = predictions[:, 4]
categories = predictions[:, 5]

# mostrar los cuadros de delimitación de detección en la imagen
results.show()

# guardar resultados en la carpeta "results/"
results.save(save_dir='results/')

# Afinar el modelo en tu dataset personalizado

!yolov5 train --data data.yaml --img 640 --batch 16 --weights keremberke/yolov5m-blood-cell --epochs 10

Funcionalidades

Detección de objetos
Compatible con TensorBoard
Basado en PyTorch
Ajustes personalizados para parámetros del modelo
Capacidad de afinación en datasets personalizados

Casos de uso

Detección y clasificación de células sanguíneas en imágenes médicas
Investigación en hematología
Desarrollo de herramientas de diagnóstico para laboratorios clínicos