Yolov8s Plane Detection

🚀 keremberke/yolov8s-plane-detection

本項目基於ultralytics庫，使用YOLOv8模型進行飛機目標檢測。它在keremberke/plane-detection數據集上進行訓練，具有高精度的檢測能力，可助力相關視覺應用的開發。

🚀 快速開始

支持的標籤

['planes']

如何使用

• 安裝 ultralyticsplus：

pip install ultralyticsplus==0.0.23 ultralytics==8.0.21

• 加載模型並進行預測：

from ultralyticsplus import YOLO, render_result

# 加載模型
model = YOLO('keremberke/yolov8s-plane-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()

更多模型請訪問：awesome-yolov8-models

📦 安裝指南

要使用本模型，你需要安裝ultralyticsplus和ultralytics庫，安裝命令如下：

pip install ultralyticsplus==0.0.23 ultralytics==8.0.21

💻 使用示例

基礎用法

from ultralyticsplus import YOLO, render_result

# 加載模型
model = YOLO('keremberke/yolov8s-plane-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

模型信息

評估指標

在keremberke/plane-detection數據集的驗證集上，模型的mAP@0.5(box)指標達到了0.995。

📄 許可證

本項目採用AGPL-3.0許可證。