keremberke/yolov5s-clash-of-clans
keremberke
Detección de objetos
Modelo de detección de objetos optimizado para imágenes del juego Clash of Clans. Utiliza la arquitectura YOLOv5 para proporcionar detección rápida y precisa de diferentes elementos dentro del juego. Ideal para aplicaciones que requieren análisis de imágenes en tiempo real.
Como usar
Cómo usar
Instala yolov5:
pip install -U yolov5
Carga el modelo y realiza predicciones:
import yolov5
# carga el modelo
model = yolov5.load('keremberke/yolov5s-clash-of-clans')
# configura los parámetros del modelo
model.conf = 0.25 # umbral de confianza NMS
model.iou = 0.45 # umbral IoU NMS
model.agnostic = False # NMS clase-agnóstica
model.multi_label = False # NMS múltiples etiquetas por caja
model.max_det = 1000 # número máximo de detecciones por imagen
# establece la imagen
img = 'https://github.com/ultralytics/yolov5/raw/master/data/images/zidane.jpg'
# realiza la inferencia
results = model(img, size=640)
# inferencia con aumento de tiempo de prueba
results = model(img, augment=True)
# analiza los resultados
predictions = results.pred[0]
boxes = predictions[:, :4] # x1, y1, x2, y2
scores = predictions[:, 4]
categories = predictions[:, 5]
# muestra las cajas de detección en la imagen
results.show()
# guarda los resultados en la carpeta 'results/'
results.save(save_dir='results/')
Entrena el modelo en tu propio conjunto de datos:
yolov5 train --data data.yaml --img 640 --batch 16 --weights keremberke/yolov5s-clash-of-clans --epochs 10
Funcionalidades
- Detección de objetos
- Integración con TensorBoard
- Implementación en PyTorch
- Resultados de evaluación
- Entrenamiento en dataset específico
- Configuración customizable de parámetros NMS
Casos de uso
- Detección de elementos del juego Clash of Clans
- Análisis en tiempo real de imágenes de juegos
- Automatización de análisis de imágenes en aplicaciones de juegos