keremberke/yolov8m-blood-cell-detection

keremberke

Detección de objetos

Modelo para la detección de células sanguíneas utilizando YOLOv8. Este modelo es especialmente útil para identificar tres tipos específicos de células: plaquetas, glóbulos rojos (RBC) y glóbulos blancos (WBC). Está basado en la tecnología de ultralytics v8 y es compatible con PyTorch. Ofrece herramientas como TensorBoard para la visualización de métricas de entrenamiento y resultados.

Como usar

pip install ultralyticsplus==0.0.24 ultralytics==8.0.23

from ultralyticsplus import YOLO, render_result

# cargar el modelo
model = YOLO('keremberke/yolov8m-blood-cell-detection')

# establecer parámetros del modelo
model.overrides['conf'] = 0.25 # Umbral de confianza de NMS
model.overrides['iou'] = 0.45 # Umbral de IoU de NMS
model.overrides['agnostic_nms'] = False # NMS sin clase específica
model.overrides['max_det'] = 1000 # Número máximo de detecciones por imagen

# establecer la imagen
image = 'https://github.com/ultralytics/yolov5/raw/master/data/images/zidane.jpg'

# 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 de objetos
Compatible con TensorBoard
Basado en PyTorch
Utiliza ultralytics v8
Detecta plaquetas, glóbulos rojos (RBC) y glóbulos blancos (WBC)

Casos de uso

Análisis de imágenes de sangre para identificación de diferentes tipos de células
Apoyo en diagnóstico médico mediante el conteo de células sanguíneas
Investigaciones científicas relacionadas con células sanguíneas