keremberke/yolov8n-painting-classification
keremberke
Clasificación de imagen
Modelo de clasificación de imágenes que utiliza YOLOv8 para clasificar diferentes estilos de pintura. Proporciona un método eficaz y preciso para distinguir una variedad de estilos artísticos, desde el expresionismo abstracto hasta el cubismo sintético y el ukiyo-e.
Como usar
Instalar ultralyticsplus:
pip install ultralyticsplus==0.0.23 ultralytics==8.0.21
Cargar el modelo y realizar una predicción:
from ultralyticsplus import YOLO, postprocess_classify_output
# cargar el modelo
model = YOLO('keremberke/yolov8n-painting-classification')
# establecer parámetros del modelo
model.overrides['conf'] = 0.25 # umbral de confianza del modelo
# establecer imagen
image = 'https://github.com/ultralytics/yolov5/raw/master/data/images/zidane.jpg'
# realizar inferencia
results = model.predict(image)
# observar los resultados
print(results[0].probs) # [0.1, 0.2, 0.3, 0.4]
processed_result = postprocess_classify_output(model, result=results[0])
print(processed_result) # {"cat": 0.4, "dog": 0.6}
Funcionalidades
- Clasificación de imágenes
- Compatibilidad con TensorBoard
- Basado en PyTorch
- Integración con ultralytics v8
- Utiliza el conjunto de datos keremberke/painting-style-classification
Casos de uso
- Clasificación y reconocimiento de estilo de pintura en galerías de arte
- Análisis automatizado de obras de arte para estudios académicos
- Creación de aplicaciones de aprendizaje sobre historia del arte y reconocimiento de estilo
- Implementación en museos para proporcionar información detallada sobre obras de arte a los visitantes