linhcuem/checker_TB_yolov8_ver3

linhcuem

Detección de objetos

Detección de Objetos utilizando TensorBoard, PyTorch, ultralytics v8 y ultralyticsplus yolo. El modelo está diseñado para identificar y predecir diferentes etiquetas en las imágenes.

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 el modelo
model = YOLO('linhcuem/checker_TB_yolov8_ver3')

# 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 clase-agnóstica
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

Compatibilidad con TensorBoard
Implementación en PyTorch
Basado en ultralytics v8
Utiliza ultralyticsplus yolov8
Detección de objetos

Casos de uso

Identificación de diferentes tipos de etiquetas en imágenes.
Utilización en aplicaciones de etiquetado y clasificación de productos.
Aplicaciones en análisis de imágenes para inventarios.