keremberke/yolov8m-pokemon-classification
keremberke
Clasificación de imagen
Un modelo de clasificación de imágenes especializado en la identificación de diferentes Pokémon. Utiliza la arquitectura YOLOv8 y ha sido entrenado por el usuario 'keremberke' usando la tecnología de 'ultralytics'. Este modelo es capaz de clasificar una imagen en una de las muchas categorías de Pokémon disponibles con alta precisión y rapidez.
Como usar
Instalar ultralyticsplus:
pip install ultralyticsplus==0.0.24 ultralytics==8.0.23
Cargar el modelo y realizar predicciones:
from ultralyticsplus import YOLO, postprocess_classify_output
# cargar modelo
model = YOLO('keremberke/yolov8m-pokemon-classification')
# establecer parámetros del modelo
model.overrides['conf'] = 0.25 # umbral de confianza del modelo
# definir imagen
image = 'https://github.com/ultralytics/yolov5/raw/master/data/images/zidane.jpg'
# realizar inferencia
results = model.predict(image)
# observar 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
- Compatible con TensorBoard
- Basado en PyTorch
- Utiliza la arquitectura ultralytics v8
- Amplia lista de etiquetas soportadas
- Inferencia rápida y precisa
Casos de uso
- Identificación de Pokémon en imágenes
- Clasificación de Pokémon en aplicaciones educativas
- Proyectos de aprendizaje automático relacionados con Pokémon
- Entrenamiento adicional para ampliar capacidades de clasificación en otros dominios