keremberke/yolov8s-csgo-player-detection
keremberke
Detección de objetos
Modelo de detección de jugadores de CSGO utilizando YOLOv8. Este modelo está diseñado para detectar jugadores en el juego Counter-Strike: Global Offensive (CSGO) y clasificar entre diferentes tipos de jugadores ('ct', 'cthead', 't', 'thead'). Utiliza PyTorch y es compatible con TensorBoard.
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 modelo
model = YOLO('keremberke/yolov8s-csgo-player-detection')
# establecer parámetros del modelo
model.overrides['conf'] = 0.25 # Umbral de confianza NMS
model.overrides['iou'] = 0.45 # Umbral de IoU de NMS
model.overrides['agnostic_nms'] = False # NMS no clasista
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()
Funcionalidades
- Detección de objetos
- Compatible con TensorBoard
- Modelo basado en PyTorch
- Umbral de confianza NMS configurable
- Umbral IoU de NMS configurable
- NMS no clasista configurable
- Número máximo de detecciones por imagen configurable
Casos de uso
- Detección de jugadores en partidas de Counter-Strike: Global Offensive
- Análisis de videos de partidas de CSGO
- Investigación y desarrollo de IA para juegos competitivos