yolov8n-table-extraction
keremberke
Detección de objetos
Modelo de detección de objetos diseñado específicamente para la extracción de tablas, compatible con TensorBoard y PyTorch. Este modelo pertenece a la serie ultralytics v8 y se destaca en la detección de varios tipos de tablas.
Como usar
Instalar ultralyticsplus:
pip install ultralyticsplus==0.0.23 ultralytics==8.0.21
Cargar el modelo y realizar predicciones:
from ultralyticsplus import YOLO, render_result
# cargar el modelo
model = YOLO('keremberke/yolov8n-table-extraction')
# establecer parámetros del modelo
model.overrides['conf'] = 0.25 # Umbral de confianza NMS
model.overrides['iou'] = 0.45 # Umbral IoU de NMS
model.overrides['agnostic_nms'] = False # NMS clase-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()
Más modelos disponibles en: awesome-yolov8-models
Funcionalidades
- Detección de objetos
- Compatible con TensorBoard
- Compatible con PyTorch
- Compatibilidad con ultralytics v8
- Resultados detallados de evalución
Casos de uso
- Extracción de tablas con bordes
- Extracción de tablas sin bordes