🚀 ultralyticsplus/yolov8s
ultralyticsplus/yolov8s
是基於 ultralytics
庫的目標檢測模型,可精準識別多種常見物體,在目標檢測任務中表現出色。
🚀 快速開始
安裝依賴
安裝 ultralyticsplus:
pip install -U ultralyticsplus==0.0.14
加載模型並進行預測
from ultralyticsplus import YOLO, render_result
model = YOLO('ultralyticsplus/yolov8s')
model.overrides['conf'] = 0.25
model.overrides['iou'] = 0.45
model.overrides['agnostic_nms'] = False
model.overrides['max_det'] = 1000
image = 'https://github.com/ultralytics/yolov5/raw/master/data/images/zidane.jpg'
results = model.predict(image)
print(results[0].boxes)
render = render_result(model=model, image=image, result=results[0])
render.show()
✨ 主要特性
- 廣泛的標籤支持:能夠識別多種常見物體,如人、車輛、動物、生活用品等。
- 參數可調整:可以根據具體需求調整模型的置信度閾值、IoU 閾值等參數。
📦 安裝指南
安裝 ultralyticsplus:
pip install -U ultralyticsplus==0.0.14
💻 使用示例
基礎用法
from ultralyticsplus import YOLO, render_result
model = YOLO('ultralyticsplus/yolov8s')
model.overrides['conf'] = 0.25
model.overrides['iou'] = 0.45
model.overrides['agnostic_nms'] = False
model.overrides['max_det'] = 1000
image = 'https://github.com/ultralytics/yolov5/raw/master/data/images/zidane.jpg'
results = model.predict(image)
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
['person', 'bicycle', 'car', 'motorcycle', 'airplane', 'bus', 'train', 'truck', 'boat', 'traffic light', 'fire hydrant', 'stop sign', 'parking meter', 'bench', 'bird', 'cat', 'dog', 'horse', 'sheep', 'cow', 'elephant', 'bear', 'zebra', 'giraffe', 'backpack', 'umbrella', 'handbag', 'tie', 'suitcase', 'frisbee', 'skis', 'snowboard', 'sports ball', 'kite', 'baseball bat', 'baseball glove', 'skateboard', 'surfboard', 'tennis racket', 'bottle', 'wine glass', 'cup', 'fork', 'knife', 'spoon', 'bowl', 'banana', 'apple', 'sandwich', 'orange', 'broccoli', 'carrot', 'hot dog', 'pizza', 'donut', 'cake', 'chair', 'couch', 'potted plant', 'bed', 'dining table', 'toilet', 'tv', 'laptop', 'mouse', 'remote', 'keyboard', 'cell phone', 'microwave', 'oven', 'toaster', 'sink', 'refrigerator', 'book', 'clock', 'vase', 'scissors', 'teddy bear', 'hair drier', 'toothbrush']
模型指標
屬性 |
詳情 |
模型類型 |
目標檢測 |
平均精度均值 (mAP) |
0.449 |