keremberke/yolov8m-scene-classification
keremberke
Clasificación de imagen
El modelo keremberke/yolov8m-scene-classification es un modelo de clasificación de imágenes basado en YOLOv8. Es capaz de clasificar diversas escenas interiores como aeropuertos, estudios de arte, auditorios, panaderías y muchas más.
Como usar
Instalar ultralyticsplus:
pip install ultralyticsplus==0.0.21
Cargar el modelo y realizar la predicción:
from ultralyticsplus import YOLO, postprocess_classify_output
# cargar modelo
model = YOLO('keremberke/yolov8m-scene-classification')
# establecer parámetros del modelo
model.overrides['conf'] = 0.25 # umbral de confianza del modelo
# 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].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}
Más modelos disponibles en: awesome-yolov8-models
Funcionalidades
- Clasificación de imágenes
- Compatibilidad con TensorBoard
- Basado en PyTorch
- Utiliza el conjunto de datos de clasificación de escenas interiores
- Parte de la serie de modelos ultralytics v8 y ultralyticsplus
Casos de uso
- Clasificación de diferentes ambientes interiores
- Automatización de la categorización de imágenes en aplicaciones de visión por computadora
- Mejora en la organización de grandes colecciones de imágenes
- Asistencia en proyectos de reconocimiento de patrones y escenas