Yolov5n Football

🚀 keremberke/yolov5n-football

このモデルは、yolov5をベースにした物体検出モデルです。football-object-detectionデータセットで訓練され、高い精度で物体を検出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

• yolov5をインストールします。

pip install -U yolov5

• モデルをロードし、予測を実行します。

import yolov5

# load model
model = yolov5.load('keremberke/yolov5n-football')
  
# 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/')

• 独自の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-football --epochs 10

✨ 主な機能

• 物体検出：画像内の物体を高精度に検出します。
• 微調整可能：独自のデータセットでモデルを微調整することができます。

📦 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-football')
  
# 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)

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

高度な使用法

# テスト時のデータ拡張を使用して推論を実行
results = model(img, augment=True)

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

# 結果を保存
results.save(save_dir='results/')

📚 ドキュメント

モデル情報

評価指標

その他のモデル

より多くのモデルはawesome-yolov5-modelsを参照してください。