keremberke/yolov8s-pokemon-classification
keremberke
Clasificación de imagen
Modelo de clasificación de imágenes especializado en la clasificación de Pokémon usando YOLO versión 8. Este modelo ha sido entrenado con el conjunto de datos keremberke/pokemon-classification y ofrece funciones avanzadas para la detección y clasificación de diferentes especies de Pokémon.
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, postprocess_classify_output
# cargar el modelo
model = YOLO('keremberke/yolov8s-pokemon-classification')
# establecer parámetros del modelo
model.overrides['conf'] = 0.25 # umbral de confianza del modelo
# 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].probs) # [0.1, 0.2, 0.3, 0.4]
processed_result = postprocess_classify_output(model, result=results[0])
print(processed_result) # {"cat": 0.4, "dog": 0.6}
Funcionalidades
- Clasificación de imágenes
- Integración con TensorBoard
- Compatibilidad con PyTorch
- Basado en ultralytics v8
- Resultados de evaluación y métricas de entrenamiento disponibles
Casos de uso
- Reconocimiento de diferentes especies de Pokémon en imágenes
- Clasificación automática de grandes conjuntos de datos de imágenes de Pokémon
- Aplicaciones en proyectos de fans y desarrollos relacionados con Pokémon
- Mejora de la interacción de usuario en aplicaciones móviles y juegos