keremberke/yolov8s-hard-hat-detection
keremberke
Detección de objetos
Modelo de detección de objetos especializado en la detección de cascos de seguridad. Utiliza la última tecnología de YOLOv8 desarrollada por Ultralytics para proporcionar resultados precisos y rápidos. Ideal para asegurar el cumplimiento de normativas de seguridad en entornos laborales.
Como usar
Instalación de 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-hard-hat-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 sin clases
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
- Basado en PyTorch
- Implementación con ultralytics v8
- Configuración de parámetros como umbral de confianza y IoU
- Detección máxima por imagen configurable
Casos de uso
- Monitoreo de seguridad en obras de construcción
- Detección de incumplimientos de seguridad en tiempo real
- Control de acceso en áreas restringidas donde el uso de casco sea obligatorio