keremberke/yolov8n-csgo-player-detection
keremberke
Detección de objetos
Modelo de detección de jugadores de CS:GO que utiliza la arquitectura YOLO v8 y PyTorch. Detecta jugadores contrarios y sus cabezas en imágenes del videojuego Counter-Strike: Global Offensive. Este modelo es parte de la colección awesome-yolov8-models.
Como usar
pip install ultralyticsplus==0.0.23 ultralytics==8.0.21
from ultralyticsplus import YOLO, render_result
# cargar el modelo
model = YOLO('keremberke/yolov8n-csgo-player-detection')
# 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 independiente de la clase
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 inferencias
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
- Integración con TensorBoard
- Basado en PyTorch
- Arquitectura YOLO v8
- Compatibilidad con ultralyticsplus
Casos de uso
- Detectar jugadores enemigos en imágenes del juego CS:GO
- Seguir la posición y las acciones de los jugadores
- Análisis de patrones y estrategias de juego