keremberke/yolov8s-nlf-head-detection
keremberke
Detección de objetos
Un modelo de detección de objetos basado en YOLOv8 diseñado para detectar varios tipos de cascos en imágenes. El modelo es capaz de detectar cascos estándar, borrosos, difíciles, parcialmente visibles y cascos en la línea lateral.
Como usar
Instalar ultralyticsplus:
pip install ultralyticsplus==0.0.24 ultralytics==8.0.23
Cargar el modelo y realizar predicciones:
from ultralyticsplus import YOLO, render_result
# cargar modelo
model = YOLO('keremberke/yolov8s-nlf-head-detection')
# establecer 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 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 objetos utilizando YOLOv8
- Funciona con PyTorch
- Compatible con TensorBoard
- Modelos adicionales disponibles en awesome-yolov8-models
Casos de uso
- Detección de cascos en eventos deportivos
- Monitoreo de seguridad en lugares de construcción
- Análisis de imágenes de seguridad
- Evaluación de cumplimiento de normas de seguridad