keremberke/yolov8n-plane-detection

keremberke

Detección de objetos

Detección de objetos específica para aviones utilizando el modelo YOLOv8. Este modelo permite la detección rápida y precisa de aviones en imágenes, aprovechando las capacidades avanzadas de la librería Ultralytics y el framework PyTorch. Incluye características como umbral de confianza de NMS, umbral de IoU de NMS, NMS no-agnóstico y número máximo de detecciones por imagen.

Como usar

Cómo usar
Instalar ultralyticsplus:
pip install ultralyticsplus==0.0.23 ultralytics==8.0.21

Cargar el modelo y realizar predicción:
from ultralyticsplus import YOLO, render_result

# cargar el modelo
model = YOLO('keremberke/yolov8n-plane-detection')

# establecer 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
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 de aviones en imágenes
Basado en YOLOv8
Configuración de umbral de confianza y umbral de IoU para NMS
NMS no-agnóstico
Máximo de 1000 detecciones por imagen

Casos de uso

Detección de aviones en imágenes aéreas
Monitoreo de tráfico aéreo
Análisis de imágenes satelitales para la detección de aeropuertos