Yolov8n Table Extraction

🚀 keremberke/yolov8n-table-extraction

本項目基於ultralyticsplus和YOLOv8，可用於表格提取的目標檢測任務。它支持對有邊框和無邊框表格的識別，在keremberke/table-extraction數據集上表現出色。

🚀 快速開始

安裝依賴

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/yolov8n-table-extraction')

# 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

✨ 主要特性

支持的標籤

['bordered', 'borderless']

📚 詳細文檔

模型信息

評估指標

在keremberke/table-extraction數據集的驗證集上，模型的評估指標如下：

模型可視化