Yolov8n Csgo Player Detection

🚀 keremberke/yolov8n-csgo-player-detection

本項目基於ultralytics庫，使用YOLOv8n模型實現了CSGO玩家檢測。它能精準識別CSGO遊戲畫面中的CT和T玩家及其頭部，在目標檢測任務中表現出色，mAP@0.5(box)達到了0.84441。

🚀 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-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CSGO遊戲畫面中的CT和T玩家及其頭部。
• 易於使用：藉助ultralyticsplus庫，簡單的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/yolov8n-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