Yolov5s Garbage

🚀 yolov5s-garbage

このモデルはYOLOv5をベースにした物体検出モデルで、ゴミの物体検出タスクに特化しています。高精度な検出結果を提供し、画像やビデオ内のゴミを効率的に識別することができます。

🚀 クイックスタート

モデルのインストールと使用方法

• yolov5のインストール:

pip install -U yolov5

• モデルの読み込みと予測の実行:

import yolov5

# load model
model = yolov5.load('keremberke/yolov5s-garbage')
  
# set model parameters
model.conf = 0.25  # NMS confidence threshold
model.iou = 0.45  # NMS IoU threshold
model.agnostic = False  # NMS class-agnostic
model.multi_label = False  # NMS multiple labels per box
model.max_det = 1000  # maximum number of detections per image

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

# perform inference
results = model(img, size=640)

# inference with test time augmentation
results = model(img, augment=True)

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

# show detection bounding boxes on image
results.show()

# save results into "results/" folder
results.save(save_dir='results/')

• カスタムデータセットでモデルをファインチューニング:

yolov5 train --data data.yaml --img 640 --batch 16 --weights keremberke/yolov5s-garbage --epochs 10

他のモデルはこちら: awesome-yolov5-models

📦 インストール

依存ライブラリのインストール

pip install -U yolov5

💻 使用例

基本的な使用法

import yolov5

# load model
model = yolov5.load('keremberke/yolov5s-garbage')
  
# set model parameters
model.conf = 0.25  # NMS confidence threshold
model.iou = 0.45  # NMS IoU threshold
model.agnostic = False  # NMS class-agnostic
model.multi_label = False  # NMS multiple labels per box
model.max_det = 1000  # maximum number of detections per image

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

# perform inference
results = model(img, size=640)

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

# show detection bounding boxes on image
results.show()

# save results into "results/" folder
results.save(save_dir='results/')

高度な使用法

# テスト時のデータ拡張を使用した推論
results = model(img, augment=True)

📚 詳細ドキュメント

モデル情報

評価指標

• mAP@0.5: 0.38002559554830656

モデルの可視化