mshamrai/yolov8x-visdrone
mshamrai
Detección de objetos
Este modelo es utilizado para la detección de objetos y se basa en PyTorch y ultralytics v8, utilizando el conjunto de datos Visdrone. Está diseñado para detectar diversos tipos de objetos, específicamente 10 categorías diferentes, y tiene funcionalidades avanzadas de NMS (Non-Maximum Suppression) con umbrales configurables para la confianza y el IoU.
Como usar
Cómo 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('mshamrai/yolov8x-visdrone')
# configurar 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-agnóstico
model.overrides['max_det'] = 1000 # número máximo de detecciones por imagen
# configurar 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 para 10 categorías de objetos: 'peatón', 'personas', 'bicicleta', 'coche', 'furgoneta', 'camión', 'triciclo', 'triciclo con toldo', 'autobús', 'moto'
- Umbral de confianza configurable
- Umbral de IoU configurable
- Soporte para NMS clase-agnóstico
- Máximo de 1000 detecciones por imagen
- Integración con TensorBoard
Casos de uso
- Detección de peatones en imágenes
- Identificación de vehículos variados como coches, camiones y autobuses
- Monitoreo de tráfico usando drones
- Aplicaciones de vigilancia