Yolov5s Aerial Sheep

🚀 YOLOv5 空中綿羊目標檢測模型

本項目基於 YOLOv5 實現空中綿羊的目標檢測，提供了預訓練模型，可直接使用或在自定義數據集上進行微調，在目標檢測任務中有著較高的精度。

🚀 快速開始

安裝依賴

安裝 yolov5：

pip install -U yolov5

加載模型並進行預測

import yolov5

# load model
model = yolov5.load('keremberke/yolov5s-aerial-sheep')
  
# set model parameters
model.conf = 0.25  # NMS confidence threshold
model.iou = 0.45  # NMS IoU threshold
model.agnostic = False  # NMS class-agnostic
model.multi_label = False  # NMS multiple labels per box
model.max_det = 1000  # maximum number of detections per image

# set image
img = 'https://github.com/ultralytics/yolov5/raw/master/data/images/zidane.jpg'

# perform inference
results = model(img, size=640)

# inference with test time augmentation
results = model(img, augment=True)

# parse results
predictions = results.pred[0]
boxes = predictions[:, :4] # x1, y1, x2, y2
scores = predictions[:, 4]
categories = predictions[:, 5]

# show detection bounding boxes on image
results.show()

# save results into "results/" folder
results.save(save_dir='results/')

在自定義數據集上微調模型

yolov5 train --data data.yaml --img 640 --batch 16 --weights keremberke/yolov5s-aerial-sheep --epochs 10

📦 模型信息

📚 詳細文檔

模型評估指標

在 keremberke/aerial-sheep-object-detection 驗證集上的評估指標如下：

更多模型

更多可用模型請查看：awesome-yolov5-models