keremberke/yolov8n-valorant-detection
keremberke
Detección de objetos
Un modelo de detección de objetos especializado en identificar elementos clave en el juego Valorant. Utiliza la tecnología YOLOv8 y está basado en PyTorch. Permite detectar objetos como picos caídos, enemigos, picos plantados y compañeros de equipo.
Como usar
from ultralyticsplus import YOLO, render_result
# Cargar el modelo
model = YOLO('keremberke/yolov8n-valorant-detection')
# Configurar los parámetros del modelo
model.overrides['conf'] = 0.25 # Umbral de confianza NMS
model.overrides['iou'] = 0.45 # Umbral IoU NMS
model.overrides['agnostic_nms'] = False # NMS independiente de la clase
model.overrides['max_det'] = 1000 # Número máximo de detecciones por imagen
# Establecer la imagen
image = 'https://github.com/ultralytics/yolov5/raw/master/data/images/zidane.jpg'
# Realizar la 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 clave en Valorant
- Basado en PyTorch
- Utiliza la tecnología YOLOv8 de ultralytics
- Métricas de evaluación de alto rendimiento
- Se integra con TensorBoard
Casos de uso
- Detección de objetos en partidas de Valorant
- Mejora en la estrategia de juego mediante el análisis de la detección de enemigos y compañeros
- Identificación automática de picos plantados y caídos