keremberke/yolov5n-nfl

# Instalar yolov5:
pip install -U yolov5

# Cargar modelo y realizar predicción:
import yolov5

# cargar modelo
model = yolov5.load('keremberke/yolov5n-nfl')

# establecer 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 clasificar agnóstico
model.multi_label = False # NMS múltiples etiquetas por caja
model.max_det = 1000 # número máximo de detecciones por imagen

# establecer 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 cajas de detección en la imagen
results.show()

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

# Ajustar el modelo a su conjunto de datos personalizado:
yolov5 train --data data.yaml --img 640 --batch 16 --weights keremberke/yolov5n-nfl --epochs 10