keremberke/yolov8n-hard-hat-detection
keremberke
Detección de objetos
Detección de casco de seguridad utilizando el modelo YOLOv8n. Este modelo de detección de objetos está basado en PyTorch y ha sido entrenado con el conjunto de datos keremberke/hard-hat-detection. La detección de cascos es crucial para garantizar la seguridad en entornos de trabajo peligrosos.
Como usar
Cómo usar
Instalar ultralyticsplus:
pip install ultralyticsplus==0.0.24 ultralytics==8.0.23
Cargar el modelo y realizar la predicción:
from ultralyticsplus import YOLO, render_result
# cargar modelo
model = YOLO('keremberke/yolov8n-hard-hat-detection')
# establecer parámetros del modelo
model.overrides['conf'] = 0.25 # Umbral de confianza NMS
model.overrides['iou'] = 0.45 # Umbral de IoU de NMS
model.overrides['agnostic_nms'] = False # NMS agnóstico de clases
model.overrides['max_det'] = 1000 # número máximo de detecciones por imagen
# 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].boxes)
render = render_result(model=model, image=image, result=results[0])
render.show()
Más modelos disponibles en: awesome-yolov8-models
Funcionalidades
- Detección de objetos
- Soporte para TensorBoard
- Entrenamiento con PyTorch
- Basado en ultralytics v8
- Modelos ultralyticsplus y yolov8
- Utilizado para visión por computadora
Casos de uso
- Detección de cascos de seguridad en obras de construcción
- Monitoreo de cumplimiento de seguridad en el lugar de trabajo
- Sistemas de vigilancia en entornos industriales