keremberke/yolov8n-scene-classification
keremberke
Clasificación de imagen
Clasificación de escenas interiores utilizando YOLOv8. Este modelo ha sido entrenado para clasificar diversas escenas interiores como aeropuertos, estudios de arte, auditorios, panaderías, librerías, y más. Utiliza TensorBoard y PyTorch para seguimiento y formación. Es parte de la familia de modelos ultralytics v8.
Como usar
# Instalar ultralyticsplus:
pip install ultralyticsplus==0.0.21
# Cargar modelo y realizar predicción:
from ultralyticsplus import YOLO, postprocess_classify_output
# cargar modelo
model = YOLO('keremberke/yolov8n-scene-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 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 de escenas interiores
- Implementado con ultralytics v8
- Soporte para diversas etiquetas de escenas interiores
- Capacidad de ajuste de umbral de confianza
- Compatibilidad con TensorBoard y PyTorch
Casos de uso
- Clasificación de escenas en aplicaciones de vigilancia
- Automatización de la organización de fotos en álbumes basados en escenas
- Análisis de videos para categorización de escenas interiores
- Sistemas de recomendación en turismo y hotelería