YOLOv8m-detección-de-humo
kittendev
Detección de objetos
YOLOv8m-detección-de-humo es un modelo de detección de objetos optimizado para detectar humo. Utiliza PyTorch y se integra fácilmente con TensorBoard. Este modelo se entrena utilizando el dataset keremberke/smoke-object-detection y es parte de la serie ultralytics v8 y ultralyticsplus. Es capaz de procesar imágenes y realizar inferencias para identificar la presencia de humo en las mismas.
Como usar
pip install ultralyticsplus==0.0.28 ultralytics==8.0.43
from ultralyticsplus import YOLO, render_result
# cargar modelo
model = YOLO('kittendev/YOLOv8m-smoke-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 independiente de la clase
model.overrides['max_det'] = 1000 # número máximo de detecciones por imagen
# configurar 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 humo
- Utiliza PyTorch
- Compatible con TensorBoard
- Parte de la serie ultralytics v8 y ultralyticsplus
Casos de uso
- Detección de humo en imágenes
- Monitorización de cámaras de seguridad para prevención de incendios
- Integración en sistemas de alerta temprana de detección de humo