Yolov5n Nfl

🚀 keremberke/yolov5n - nfl

このプロジェクトは、YOLOv5をベースにした物体検出モデルで、keremberke/nfl - object - detectionデータセットで訓練されています。高精度な物体検出を行うことができ、様々なビジョンタスクに活用できます。

🚀 クイックスタート

このセクションでは、keremberke/yolov5n - nflモデルの使用方法を説明します。

インストール

[yolov5](https://github.com/fcakyon/yolov5 - pip)をインストールします。

pip install -U yolov5

モデルのロードと予測の実行

import yolov5

# load model
model = yolov5.load('keremberke/yolov5n-nfl')
  
# 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のモデルの微調整

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

他のモデルはこちら: [awesome - yolov5 - models](https://github.com/keremberke/awesome - yolov5 - models)

📚 ドキュメント

モデル情報

評価指標

このモデルは、keremberke/nfl - object - detectionデータセットの検証セットで評価されています。評価指標は以下の通りです。