keremberke/yolov8m-nlf-head-detection
keremberke
Detección de objetos
Un modelo de detección de objetos especializado en la identificación de cascos en imágenes. Este modelo está basado en la arquitectura YOLOv8 de ultralytics y está optimizado para la detección de diferentes tipos de cascos, incluyendo cascos borrosos, difíciles, parciales y en la línea de banda.
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 modelo
model = YOLO('keremberke/yolov8m-nlf-head-detection')
# establecer parámetros del modelo
model.overrides['conf'] = 0.25 # Umbral de confianza NMS
model.overrides['iou'] = 0.45 # Umbral de IoU NMS
model.overrides['agnostic_nms'] = False # NMS sin clases específicas
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 cascos
- Soporte para múltiples tipos de cascos: casco normal, casco borroso, casco difícil, casco parcial, casco en la línea de banda
- Utiliza ultralytics v8
- Optimizado para un umbral de confianza NMS de 0.25 y un umbral de IoU NMS de 0.45
- Capacidad para un máximo de 1000 detecciones por imagen
Casos de uso
- Detección de cascos en eventos deportivos
- Monitoreo de seguridad en obras de construcción
- Análisis de imágenes de vigilancia para la identificación de cascos