keremberke/yolov8m-painting-classification
keremberke
Clasificación de imagen
Clasificación de imágenes utilizando el modelo YOLOv8m para la detección de estilos de pintura. Este modelo está diseñado para identificar diferentes estilos de pintura dentro de un conjunto de datos específico.
Como usar
Instalar ultralyticsplus:
pip install ultralyticsplus==0.0.24 ultralytics==8.0.23
Cargar el modelo y realizar una predicción:
from ultralyticsplus import YOLO, postprocess_classify_output
# cargar el modelo
model = YOLO('keremberke/yolov8m-painting-classification')
# configurar los parámetros del modelo
model.overrides['conf'] = 0.25 # umbral de confianza del modelo
# establecer la imagen
image = 'https://github.com/ultralytics/yolov5/raw/master/data/images/zidane.jpg'
# realizar la inferencia
results = model.predict(image)
# observar los resultados
print(results[0].probs) # [0.1, 0.2, 0.3, 0.4]
processed_result = postprocess_classify_output(model, result=results[0])
print(processed_result) # {"cat": 0.4, "dog": 0.6}
Funcionalidades
- Clasificación de imágenes
- Compatibilidad con TensorBoard
- Entrenado con PyTorch
- Permite la configuración del umbral de confianza
- Resultados de inferencia observables
Casos de uso
- Identificación de estilos de pintura en imágenes
- Clasificación automática de obras de arte
- Análisis de colecciones de arte digital