keremberke/yolov8s-valorant-detection

keremberke

Detección de objetos

Modelo YOLOv8 especializado en detección de objetos en el juego Valorant, desarrollado por keremberke. Utiliza las bibliotecas PyTorch y ultralyticsplus, y está diseñado para detectar diferentes tipos de objetos en las imágenes del juego.

Como usar

Para usar este modelo, instalaremos las bibliotecas necesarias y realizaremos una predicción utilizando el siguiente código de ejemplo:
pip install ultralyticsplus==0.0.23 ultralytics==8.0.21

from ultralyticsplus import YOLO, render_result

# cargar el modelo
model = YOLO('keremberke/yolov8s-valorant-detection')

# configurar los 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 la imagen
image = 'https://github.com/ultralytics/yolov5/raw/master/data/images/zidane.jpg'

# realizar la inferencia
results = model.predict(image)

# observar los resultados
print(results[0].boxes)
render = render_result(model=model, image=image, result=results[0])
render.show()

Funcionalidades

Detección de objetos con YOLOv8
Capacidad de establecer umbrales de confianza y IoU
Soporte para detección de clase agnóstica
Capacidad de realizar hasta 1000 detecciones por imagen

Casos de uso

Detección de objetos en el juego Valorant
Detección de picos plantados y caídos
Identificación de enemigos y compañeros de equipo