Yolov8n Nlf Head Detection

🚀 keremberke/yolov8n-nlf-head-detection

このモデルは、ultralyticsライブラリを用いた物体検出モデルです。yolov8アーキテクチャを基に、keremberke/nfl-object-detectionデータセットで訓練されており、ヘルメットの検出に特化しています。

🚀 クイックスタート

このセクションでは、keremberke/yolov8n-nlf-head-detectionモデルの使用方法を説明します。

✨ 主な機能

• 物体検出: ヘルメットに関する様々な物体検出が可能です。
• 多様なラベル対応: Helmet, Helmet-Blurred, Helmet-Difficult, Helmet-Partial, Helmet-Sidelineなどのラベルをサポートしています。

📦 インストール

ultralyticsplusをインストールするには、以下のコマンドを実行します。

pip install ultralyticsplus==0.0.24 ultralytics==8.0.23

💻 使用例

基本的な使用法

from ultralyticsplus import YOLO, render_result

# load model
model = YOLO('keremberke/yolov8n-nlf-head-detection')

# set model parameters
model.overrides['conf'] = 0.25  # NMS confidence threshold
model.overrides['iou'] = 0.45  # NMS IoU threshold
model.overrides['agnostic_nms'] = False  # NMS class-agnostic
model.overrides['max_det'] = 1000  # maximum number of detections per image

# set image
image = 'https://github.com/ultralytics/yolov5/raw/master/data/images/zidane.jpg'

# perform inference
results = model.predict(image)

# observe results
print(results[0].boxes)
render = render_result(model=model, image=image, result=results[0])
render.show()

高度な使用法

# 高度な使用法に関する説明は、基本的な使用法に基づいてパラメータを調整することで、より高精度な検出が可能です。
from ultralyticsplus import YOLO, render_result

# load model
model = YOLO('keremberke/yolov8n-nlf-head-detection')

# パラメータの調整
model.overrides['conf'] = 0.3  # NMS confidence thresholdを調整
model.overrides['iou'] = 0.5  # NMS IoU thresholdを調整
model.overrides['agnostic_nms'] = True  # NMS class-agnosticを有効化
model.overrides['max_det'] = 1500  # maximum number of detections per imageを増やす

# set image
image = 'https://github.com/ultralytics/yolov5/raw/master/data/images/zidane.jpg'

# perform inference
results = model.predict(image)

# observe results
print(results[0].boxes)
render = render_result(model=model, image=image, result=results[0])
render.show()

📚 ドキュメント

サポートされるラベル

['Helmet', 'Helmet-Blurred', 'Helmet-Difficult', 'Helmet-Partial', 'Helmet-Sideline']

モデル情報

モデルの評価結果

参考リンク

• より多くのモデルは、awesome-yolov8-modelsを参照してください。
• モデルのサムネイル画像は、こちらから確認できます。