keremberke/yolov8n-nlf-head-detection
keremberke
Detección de objetos
Detección de objetos utilizando YOLOv8 para detectar cascos en imágenes. El modelo proporciona una detección precisa de diferentes tipos de cascos, incluyendo cascos desenfocados, difíciles, parciales y en la línea lateral.
Como usar
Instala ultralyticsplus:
pip install ultralyticsplus==0.0.24 ultralytics==8.0.23
Carga el modelo y realiza la predicción:
from ultralyticsplus import YOLO, render_result
# cargar el modelo
model = YOLO('keremberke/yolov8n-nlf-head-detection')
# configurar los parámetros del modelo
model.overrides['conf'] = 0.25 # umbral de confianza de NMS
model.overrides['iou'] = 0.45 # umbral de IoU de NMS
model.overrides['agnostic_nms'] = False # NMS no agnóstico de clase
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()
Funcionalidades
- Detección precisa de cascos en diferentes condiciones
- Umbral de confianza ajustable para NMS
- Umbral de IoU ajustable para NMS
- NMS no agnóstico de clase configurable
- Capacidad para detectar hasta 1000 objetos por imagen
Casos de uso
- Detección de cascos en imágenes de partidos de fútbol americano
- Análisis de imágenes para seguridad en el deporte
- Monitoreo y revisión de equipo en la línea lateral