keremberke/yolov8m-detección-de-aviones
keremberke
Detección de objetos
Detección de objetos utilizando yolov8m, especializado en la detección de aviones. El modelo está desarrollado con PyTorch y es compatible con TensorBoard. Utiliza la biblioteca ultralytics, específicamente la versión 8. Este modelo tiene una precisión muy alta y es parte de la colección de modelos awesome-yolov8.
Como usar
Instalar ultralyticsplus:
pip install ultralyticsplus==0.0.23 ultralytics==8.0.21
Cargar el modelo y realizar predicciones:
from ultralyticsplus import YOLO, render_result
# cargar modelo
model = YOLO('keremberke/yolov8m-plane-detection')
# establecer parámetros del modelo
model.overrides['conf'] = 0.25 # Umbral de confianza NMS
model.overrides['iou'] = 0.45 # Umbral IoU NMS
model.overrides['agnostic_nms'] = False # NMS no agnóstico a las clases
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 PyTorch
- Compatibilidad con TensorBoard
- Alta precisión ([email protected] en conjunto de validación: 0.995)
- Basado en yolov8
- Capacidad para obtener resultados detallados como coordenadas de los recuadros detectados
Casos de uso
- Detección de aviones en imágenes aéreas
- Análisis de tráfico aéreo
- Seguridad aeroportuaria
- Monitorización de vuelos