keremberke/yolov8n-pokemon-classification
keremberke
Clasificación de imagen
Este modelo se utiliza para la clasificación de imágenes de Pokémon. Basado en YOLOv8, está diseñado para identificar y clasificar diferentes Pokémon en imágenes. Incluye una precisión de top1 del 0.023 y una precisión de top5 del 0.090 en el conjunto de validación de clasificación de Pokémon.
Como usar
Instalar ultralyticsplus:
pip install ultralyticsplus==0.0.23 ultralytics==8.0.21
Cargar el modelo y realizar predicciones:
from ultralyticsplus import YOLO, postprocess_classify_output
# cargar modelo
model = YOLO('keremberke/yolov8n-pokemon-classification')
# configurar parámetros del modelo
model.overrides['conf'] = 0.25 # umbral de confianza del modelo
# 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].probs) # [0.1, 0.2, 0.3, 0.4]
processed_result = postprocess_classify_output(model, result=results[0])
print(processed_result) # {"cat": 0.4, "dog": 0.6}
Funcionalidades
- Clasificación de imágenes de Pokémon
- Compatibilidad con TensorBoard
- Construido con PyTorch
- Basado en YOLOv8 de ultralytics
- Modelos ultralyticsplus
- Resultados de evaluación incluidos
Casos de uso
- Identificación de diferentes Pokémon en imágenes
- Clasificación automática de imágenes para contenido relacionado con Pokémon
- Aumentar la experiencia de usuario en aplicaciones y videojuegos de Pokémon