keremberke/yolov8n-protective-equipment-detection
keremberke
Detección de objetos
Modelo para la detección de equipos de protección personal. Utiliza YOLOv8 y proporciona funcionalidades para la detección de varios tipos de equipos de protección. Está basado en PyTorch y es compatible con TensorBoard.
Como usar
Instalación de ultralyticsplus:
pip install ultralyticsplus==0.0.23 ultralytics==8.0.21
Carga del modelo y realización de predicciones:
from ultralyticsplus import YOLO, render_result
# Cargar el modelo
model = YOLO('keremberke/yolov8n-protective-equipment-detection')
# Establecer parámetros del modelo
model.overrides['conf'] = 0.25 # Umbral de confianza NMS
model.overrides['iou'] = 0.45 # Umbral de IoU NMS
model.overrides['agnostic_nms'] = False # NMS 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 los resultados
print(results[0].boxes)
render = render_result(model=model, image=image, result=results[0])
render.show()
Funcionalidades
- Detección de objetos
- Compatibilidad con TensorBoard
- Basado en PyTorch
- Utiliza ultralytics v8
- Modelos YOLOv8
- Detección de guantes, gafas, cascos, máscaras y zapatos
Casos de uso
- Detección de equipos de protección en entornos laborales
- Monitoreo de seguridad en fábricas y plantas industriales
- Evaluación de conformidad con normas de seguridad
- Mejora de la seguridad en sitios de construcción