Yolov8m Nlf Head Detection

🚀 keremberke/yolov8m-nlf-head-detection

本項目基於ultralytics庫，利用YOLOv8模型實現目標檢測，可對美式橄欖球相關目標進行檢測，在keremberke/nfl-object-detection數據集上進行了驗證。

🚀 快速開始

支持的標籤

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

使用方法

• 安裝 ultralyticsplus：

pip install ultralyticsplus==0.0.24 ultralytics==8.0.23

• 加載模型並進行預測：

from ultralyticsplus import YOLO, render_result

# load model
model = YOLO('keremberke/yolov8m-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()

更多模型請訪問：awesome-yolov8-models

📦 安裝指南

安裝所需的庫：

pip install ultralyticsplus==0.0.24 ultralytics==8.0.23

💻 使用示例

基礎用法

from ultralyticsplus import YOLO, render_result

# 加載模型
model = YOLO('keremberke/yolov8m-nlf-head-detection')

# 設置模型參數
model.overrides['conf'] = 0.25  # NMS置信度閾值
model.overrides['iou'] = 0.45  # NMS IoU閾值
model.overrides['agnostic_nms'] = False  # NMS類別無關
model.overrides['max_det'] = 1000  # 每張圖像的最大檢測數

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

# 進行推理
results = model.predict(image)

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

📚 詳細文檔

支持的標籤

模型支持以下標籤：

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

模型信息

評估指標

在nfl-object-detection數據集的驗證集上，模型的mAP@0.5(box)指標為 0.28743。

模型索引

• 名稱：keremberke/yolov8m-nlf-head-detection
• 任務類型：目標檢測
• 數據集：keremberke/nfl-object-detection
• 評估指標：
  • mAP@0.5(box)：0.28743