niki-stha/asl-detection-yolov5

Instalar yolov5:

pip install -U yolov5

Cargar el modelo y realizar predicción:

import yolov5

# cargar modelo
model = yolov5.load('niki-stha/asl-detection-yolov5')

# configurar parámetros del modelo
model.conf = 0.80 # Umbral de confianza NMS
model.iou = 0.45 # Umbral IoU NMS
model.agnostic = False # NMS de clase agnóstica
model.multi_label = False # NMS múltiples etiquetas por caja
model.max_det = 1000 # número máximo de detecciones por imagen

# configurar imagen
img = 'https://datasets-server.huggingface.co/assets/niki-stha/asl-detection-roboflow/--/niki-stha--asl-detection-roboflow/test/2/image/image.jpg'

# realizar inferencia
results = model(img, size=640)

# inferencia con aumento de tiempo de prueba
results = model(img, augment=True)

# analizar resultados
predictions = results.pred[0]
boxes = predictions[:, :4] # x1, y1, x2, y2
scores = predictions[:, 4]
categories = predictions[:, 5]

# mostrar cajas de detección en la imagen
results.show()

# guardar resultados en la carpeta "results/"
results.save(save_dir='results/')

Afina el modelo en tu propio conjunto de datos:

yolov5 train --data data.yaml --img 416 --batch 32 --weights keremberke/yolov5s-license-plate --epochs 10