yolov8m-valorant-detection
keremberke
Detección de objetos
Modelo para la detección de objetos en el juego Valorant, desarrollado por keremberke. Utiliza las tecnologías ultralytics v8, ultralyticsplus y YOLO para ofrecer capacidades avanzadas de detección de objetos. Se puede integrar fácilmente con TensorBoard y PyTorch, y proporciona resultados impresionantes con una confianza y precisión definidas por el usuario.
Como usar
Instalación de 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-valorant-detection')
# establecer 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 independiente de clases
model.overrides['max_det'] = 1000 # número máximo de detecciones por imagen
# establecer la imagen
display_image = 'https://github.com/ultralytics/yolov5/raw/master/data/images/zidane.jpg'
# realizar inferencia
results = model.predict(display_image)
# observar resultados
print(results[0].boxes)
render = render_result(model=model, image=display_image, result=results[0])
render.show()
Funcionalidades
- Detección de objetos específicos de Valorant
- Compatibilidad con TensorBoard
- Desarrollado con PyTorch
- Configuración personalizable del modelo (confianza, umbral de IoU, NMS)
- Capacidades de inferencia con imágenes
Casos de uso
- Detección de 'spikes' caídos
- Identificación de enemigos
- Detección de 'spikes' plantados
- Identificación de compañeros de equipo