keremberke/yolov8s-forklift-detection
keremberke
Detección de objetos
Un modelo avanzado de detección de objetos enfocado en la identificación de montacargas y personas utilizando la tecnología YOLOv8 y PyTorch. Proporciona detección robusta y precisa con soporte para múltiples etiquetas, y es ideal para aplicaciones en tiempo real.
Como usar
Instalar ultralyticsplus:
pip install ultralyticsplus==0.0.23 ultralytics==8.0.21
Cargar el modelo y realizar la predicción:
from ultralyticsplus import YOLO, render_result
# cargar modelo
model = YOLO('keremberke/yolov8s-forklift-detection')
# configurar 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 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()
Funcionalidades
- Detección de montacargas
- Detección de personas
- Utiliza tecnología YOLOv8
- Desarrollado con PyTorch
- Soporte para múltiples etiquetas
- Ajustes de parámetros avanzados como umbral de confianza y umbral de IoU
Casos de uso
- Detección y monitoreo de montacargas en almacenes
- Seguridad en áreas industriales al detectar la presencia de personas
- Automatización de procesos en entornos logísticos