Yolov5n Forklift

🚀 yolov5n-forklift

yolov5n-forkliftは、物体検出タスクに特化したモデルです。YOLOv5のアーキテクチャをベースに構築され、フォークリフトの物体検出に高い精度を発揮します。

🚀 クイックスタート

モデルのインストールと使用

• yolov5をインストールします。

pip install -U yolov5

• モデルをロードして予測を実行します。

import yolov5

# load model
model = yolov5.load('keremberke/yolov5n-forklift')
  
# 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微調整します。

yolov5 train --data data.yaml --img 640 --batch 16 --weights keremberke/yolov5n-forklift --epochs 10

その他の利用可能なモデル

より多くのモデルはawesome-yolov5-modelsで確認できます。

📦 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/yolov5n-forklift')
  
# 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/')

高度な使用法

# カスタムデータセットでモデルを微調整する
yolov5 train --data data.yaml --img 640 --batch 16 --weights keremberke/yolov5n-forklift --epochs 10

📚 ドキュメント

モデル情報

評価指標

• タスクタイプ: 物体検出
• 評価データセット: keremberke/forklift-object-detection (validation split)
• 評価指標:
  • mAP@0.5: 0.7890013934578441