mshamrai/yolov8n-visdrone
mshamrai
Detección de objetos
Modelo para detección de objetos basado en YOLO v8. Desarrollado con PyTorch y la librería ultralyticsplus, este modelo está diseñado para detectar distintos tipos de objetos en imágenes obtenidas mediante drones, como parte del dataset VisDrone. Es capaz de identificar una variedad de objetos con distintas configuraciones ajustables para obtener resultados precisos.
Como usar
Para usar el modelo, primero instale la librería ultralyticsplus:
pip install ultralyticsplus==0.0.28 ultralytics==8.0.43
Luego, puede cargar el modelo y realizar predicciones con el siguiente código:
from ultralyticsplus import YOLO, render_result
# cargar el modelo
model = YOLO('mshamrai/yolov8n-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 clase agnóstica
model.overrides['max_det'] = 1000 # número máximo de detecciones por imagen
# definir la imagen
image = 'https://github.com/ultralytics/yolov5/raw/master/data/images/zidane.jpg'
# realizar la 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
- Uso de la librería ultralytics v8
- Implementación mediante ultralyticsplus
- Capacidad para distinguir múltiples clases de objetos
Casos de uso
- Detección de peatones en imágenes capturadas por drones
- Identificación de vehículos como coches, camiones y autobuses
- Reconocimiento de bicicletas y triciclos
- Análisis de imágenes aéreas para estudios de tráfico