Yolov8

🚀 adityaeucloid/YOLOv8

adityaeucloid/YOLOv8是基於Ultralytics庫的目標檢測模型，可對多種特定類型的目標進行檢測，在實際應用中具有一定的價值。

🚀 快速開始

安裝依賴庫

安裝 ultralyticsplus：

pip install ultralyticsplus==0.0.29 ultralytics==8.0.238

加載模型並進行預測

from ultralyticsplus import YOLO, render_result

# 加載模型
model = YOLO('adityaeucloid/YOLOv8')

# 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()

✨ 主要特性

支持的標籤

該模型支持對以下類型的目標進行檢測：

['客戶地址', '客戶 GST 編號', '客戶名稱', '客戶 PAN 編號', '文檔類型', '發票日期', '發票編號', '發票表格', '淨額', '供應商地址', '供應商 GST 編號', '供應商名稱', '供應商 PAN 編號', '稅額', '總金額']

📦 安裝指南

安裝 ultralyticsplus：

pip install ultralyticsplus==0.0.29 ultralytics==8.0.238

💻 使用示例

基礎用法

from ultralyticsplus import YOLO, render_result

# 加載模型
model = YOLO('adityaeucloid/YOLOv8')

# 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

模型信息