mshamrai/yolov8l-visdrone
mshamrai
Detección de objetos
Modelo de detección de objetos basado en PyTorch utilizando la librería ultralytics. Este modelo está diseñado para detecciones detalladas y precisas en imágenes aéreas tomadas por drones, identificando una variedad de objetos comúnmente encontrados en entornos urbanos y de tráfico.
Como usar
Instalar ultralyticsplus:
pip install ultralyticsplus==0.0.28 ultralytics==8.0.43
Cargar el modelo y realizar la predicción:
from ultralyticsplus import YOLO, render_result
# cargar modelo
model = YOLO('mshamrai/yolov8l-visdrone')
# establecer parámetros del modelo
model.overrides['conf'] = 0.25 # Umbral de confianza de NMS
model.overrides['iou'] = 0.45 # Umbral de IoU de NMS
model.overrides['agnostic_nms'] = False # NMS sin clases
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
- Compatible con TensorBoard
- Implementado en PyTorch
- Basado en ultralytics v8
- Soporte para visdrone y UAV
Casos de uso
- Detección de peatones en imágenes aéreas
- Identificación de vehículos en zonas urbanas
- Monitoreo del tráfico utilizando drones
- Supervisión de zonas públicas y seguridad