keremberke/yolov8s-blood-cell-detection

keremberke

Detección de objetos

Un modelo de detección de objetos especializado en la identificación de células sanguíneas. Utiliza las arquitecturas de ultralytics v8 y ultralyticsplus para la detección precisa de plaquetas, glóbulos rojos (RBC) y glóbulos blancos (WBC).

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/yolov8s-blood-cell-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 de clase agnóstica
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
Soporte para TensorBoard
Implementación en PyTorch
Modelos de vision Yolo

Casos de uso

Detección de plaquetas en muestras de sangre
Identificación de glóbulos rojos (RBC)
Detección de glóbulos blancos (WBC)