mshamrai/yolov8m-visdrone
mshamrai
Detección de objetos
Un modelo de detección de objetos utilizando YOLOv8 y entrenado en el conjunto de datos Visdrone. Adecuado para la detección de objetos como peatones, personas, bicicletas, automóviles y más. Este modelo se basa en PyTorch y utiliza Ultralytics y UltralyticsPlus para el entrenamiento y la inferencia.
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 el modelo
model = YOLO('mshamrai/yolov8m-visdrone')
# 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 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
- Basado en PyTorch
- Utiliza Ultralytics v8
- Entrenado con el dataset Visdrone
- Adecuado para UAV
Casos de uso
- Detección de peatones
- Detección de bicicletas
- Detección de automóviles y vehículos
- Uso en sistemas UAV para vigilancia de drones