Yolov8m Csgo Player Detection

🚀 反恐精英玩家檢測模型（yolov8m-csgo-player-detection）

本項目基於YOLOv8模型，專注於反恐精英遊戲中的玩家目標檢測，能夠精準識別遊戲畫面中的CT、CT頭部、T和T頭部，為相關遊戲視覺分析場景提供了有力支持。

🚀 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/yolov8m-csgo-player-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

✨ 主要特性

• 精準檢測：能夠準確識別反恐精英遊戲畫面中的CT、CT頭部、T和T頭部。
• 易於使用：藉助ultralyticsplus庫，簡單幾行代碼即可完成模型加載和預測。

📦 安裝指南

安裝 ultralyticsplus：

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/yolov8m-csgo-player-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

['ct', 'cthead', 't', 'thead']

模型指標