keremberke/yolov5s-aerial-sheep
keremberke
Detección de objetos
El modelo yolov5s-aerial-sheep desarrollado por keremberke es una solución de detección de objetos específicamente adaptada para detectar ovejas en imágenes aéreas. Utiliza la arquitectura YOLOv5, construida sobre PyTorch, y su principal característica es la capacidad de ajustar varios parámetros del modelo para realizar inferencias precisas. El modelo admite la detección de múltiples etiquetas por caja, tiene una confianza mínima configurable para la detección y se puede ajustar con aumentación en el tiempo de prueba.
Como usar
Cómo utilizar
Instalar yolov5:
pip install -U yolov5
Cargar el modelo y realizar la predicción:
import yolov5
# cargar el modelo
model = yolov5.load('keremberke/yolov5s-aerial-sheep')
# establecer parámetros del modelo
model.conf = 0.25 # umbral de confianza NMS
model.iou = 0.45 # umbral de IoU NMS
model.agnostic = False # NMS clase agnóstica
model.multi_label = False # 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 la inferencia
results = model(img, size=640)
# inferencia con aumentación en el 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 en tu conjunto de datos personalizado:
yolov5 train --data data.yaml --img 640 --batch 16 --weights keremberke/yolov5s-aerial-sheep --epochs 10
Funcionalidades
- Detección de objetos
- Compatible con TensorBoard
- Construido sobre PyTorch
- Basado en YOLOv5
- Funciones de ajuste como umbral de confianza y IoU para NMS
- Admite detección de múltiples etiquetas por caja
- Capacidad de ajuste fino con conjuntos de datos personalizados
Casos de uso
- Detección de ovejas en imágenes aéreas
- Monitorización de ganado en grandes áreas
- Estudios de vida silvestre utilizando imágenes aéreas