keremberke/yolov8s-scene-classification
keremberke
Clasificación de imagen
Modelo para la clasificación de escenas, desarrollado por keremberke utilizando YOLOv8. Este modelo permite identificar y clasificar imágenes de diversas escenas interiores, con una confianza de predicción configurable. Utiliza la librería ultralyticsplus y está entrenado con un extenso conjunto de datos de escenas interiores.
Como usar
Instala ultralyticsplus:
pip install ultralyticsplus==0.0.21
Carga el modelo y realiza la predicción:
from ultralyticsplus import YOLO, postprocess_classify_output
# carga el modelo
model = YOLO('keremberke/yolov8s-scene-classification')
# establece los parámetros del modelo
model.overrides['conf'] = 0.25 # umbral de confianza del modelo
# establece la imagen
gimage = 'https://github.com/ultralytics/yolov5/raw/master/data/images/zidane.jpg'
# realiza la inferencia
results = model.predict(image)
# observa los 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
- Compatibilidad con TensorBoard
- Implementación en PyTorch
- Resultados de evaluación incorporados
- Confianza ajustable en predicciones
Casos de uso
- Identificación y clasificación de escenas en imágenes interiores
- Implementación en sistemas de seguridad para reconocer diferentes espacios
- Aplicaciones en robótica para la navegación autónoma en interiores