keremberke/yolov8m-hard-hat-detection
keremberke
Detección de objetos
Un modelo de detección de objetos especializado en la detección de cascos de seguridad. Utiliza la versión 8 de ultralytics y está basado en PyTorch. Ideal para la detección de objetos en el campo de la seguridad laboral.
Como usar
Instalar ultralyticsplus:
pip install ultralyticsplus==0.0.24 ultralytics==8.0.23
Cargar el modelo y realizar predicciones:
from ultralyticsplus import YOLO, render_result
# cargar el modelo
model = YOLO('keremberke/yolov8m-hard-hat-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 el cual es agnóstico a la clase
model.overrides['max_det'] = 1000 # número máximo de detecciones por imagen
# establecer 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
- Funciona con ultralytics v8
- Incluye etiquetas soportadas para Casco y NO-Casco
Casos de uso
- Detección de cascos de seguridad en entornos laborales.
- Monitoreo de seguridad en obras de construcción.
- Evaluaciones de cumplimiento de normativas de seguridad.