chamdiemgianhang_yolov8_ver21

linhcuem
Detección de objetos

Modelo para detección de objetos utilizando PyTorch y TensorBoard. Implementación con ultralytics v8 y ultralyticsplus. Ofrece capacidad para detectar múltiples etiquetas.

Como usar

Instalar ultralyticsplus:

pip install ultralyticsplus==0.0.28 ultralytics==8.0.43

Cargar el modelo y realizar predicciones:

from ultralyticsplus import YOLO, render_result

# cargar modelo
model = YOLO('linhcuem/chamdiemgianhang_yolov8_ver21')

# establecer 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 sin distinción de clase
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
Soporte de TensorBoard
Base en PyTorch
Versión ultralytics v8
Integración con ultralyticsplus
Capacidades avanzadas de visión por computadora

Casos de uso

Detección de productos en imágenes
Clasificación de diferentes tipos de embalajes
Reconocimiento de marcas y productos específicos