keremberke/yolov8m-table-extraction
keremberke
Detección de objetos
El modelo keremberke/yolov8m-table-extraction es un modelo de detección de objetos especializado en la extracción de tablas. Se basa en PyTorch y usa ultralytics v8, lo que lo hace muy preciso y eficiente. Este modelo es capaz de detectar tablas con y sin bordes en las imágenes proporcionadas.
Como usar
Cómo 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 el modelo
model = YOLO('keremberke/yolov8m-table-extraction')
# Configurar 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 clase-agnóstica
model.overrides['max_det'] = 1000 # número máximo de detecciones por imagen
# Configurar 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
- Compatibilidad con TensorBoard
- Entrenado en PyTorch
- Detección de tablas con bordes
- Detección de tablas sin bordes
- Basado en ultralytics v8
Casos de uso
- Extracción de tablas en documentos digitales
- Digitalización de documentos antiguos
- Análisis de datos tabulares en imágenes
- Identificación de tablas en investigaciones científicas