mshamrai/yolov8s-visdrone
mshamrai
Detección de objetos
El modelo mshamrai/yolov8s-visdrone es un modelo de detección de objetos basado en PyTorch, optimizado con ultralytics v8 y ultralyticsplus, enfocado en la detección de objetos en la visión UAV. Este modelo está destinado a identificar una variedad de objetos comunes en escenarios de drones, como peatones, bicicletas, autos y más. La licencia del modelo es openrail.
Como usar
pip install ultralyticsplus==0.0.28 ultralytics==8.0.43
from ultralyticsplus import YOLO, render_result
# cargar modelo
model = YOLO('mshamrai/yolov8s-visdrone')
# establecer parámetros del modelo
model.overrides['conf'] = 0.25 # umbral de confianza NMS
model.overrides['iou'] = 0.45 # umbral NMS IoU
model.overrides['agnostic_nms'] = False # NMS clase-agnóstico
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
- Compatibilidad con TensorBoard
- Basado en PyTorch
- Utiliza ultralytics v8 y ultralyticsplus
- Enfocado en la visión UAV
- Resultados de evaluación: [email protected](box) auto-reportado 0.408
Casos de uso
- Detección de peatones en video de drones
- Identificación de vehículos y bicicletas en escenarios aéreos
- Monitoreo de tráfico desde la perspectiva de UAVs
- Detección de múltiples clases de objetos en imágenes aéreas