keremberke/yolov8n-forklift-detection

keremberke

Detección de objetos

Un modelo de detección de objetos diseñado para detectar montacargas y personas utilizando la infraestructura de ultralytics y PyTorch. Ofrece precisión en la detección y puede ser utilizado para diversas aplicaciones industriales.

Como usar

Para usar este modelo, instala los paquetes necesarios y sigue el código proporcionado.
pip install ultralyticsplus==0.0.23 ultralytics==8.0.21

from ultralyticsplus import YOLO, render_result

# load model
model = YOLO('keremberke/yolov8n-forklift-detection')

# set model parameters
model.overrides['conf'] = 0.25 # NMS confidence threshold
model.overrides['iou'] = 0.45 # NMS IoU threshold
model.overrides['agnostic_nms'] = False # NMS class-agnostic
model.overrides['max_det'] = 1000 # maximum number of detections per image

# set image
image = 'https://github.com/ultralytics/yolov5/raw/master/data/images/zidane.jpg'

# perform inference
results = model.predict(image)

# observe results
print(results[0].boxes)
render = render_result(model=model, image=image, result=results[0])
render.show()

Funcionalidades

Detección de objetos
Compatibilidad con TensorBoard
Implementación en PyTorch
Utilización del modelo ultralytics v8
Etiquetas apoyadas: ['forklift', 'person']

Casos de uso

Detección de montacargas en entornos industriales
Monitoreo de la presencia de personas en áreas de trabajo peligrosas