Yolov5n Forklift

🚀 YOLOv5叉車目標檢測模型

本項目基於YOLOv5實現叉車目標檢測，利用深度學習技術，在特定數據集上進行訓練，能夠高效準確地識別圖像中的叉車目標，為相關視覺應用場景提供有力支持。

🚀 快速開始

安裝依賴

安裝yolov5庫：

pip install -U yolov5

加載模型並進行預測

import yolov5

# 加載模型
model = yolov5.load('keremberke/yolov5n-forklift')
  
# 設置模型參數
model.conf = 0.25  # NMS置信度閾值
model.iou = 0.45  # NMS IoU閾值
model.agnostic = False  # NMS類別無關
model.multi_label = False  # NMS每個框多個標籤
model.max_det = 1000  # 每張圖像的最大檢測數

# 設置圖像
img = 'https://github.com/ultralytics/yolov5/raw/master/data/images/zidane.jpg'

# 進行推理
results = model(img, size=640)

# 使用測試時增強進行推理
results = model(img, augment=True)

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

# 在圖像上顯示檢測邊界框
results.show()

# 將結果保存到 "results/" 文件夾中
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/yolov5n-forklift --epochs 10

更多可用模型請查看：awesome-yolov5-models

📚 詳細文檔

模型信息

評估指標

模型在keremberke/forklift-object-detection驗證集上的評估指標如下：

模型示例圖