Yolov5s Nfl

🚀 YOLOv5s NFL目標檢測模型

本項目基於YOLOv5實現NFL場景下的目標檢測，藉助YOLOv5強大的目標檢測能力，能精準識別NFL相關目標，為NFL賽事分析等應用提供有力支持。

🚀 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

# 加載模型
model = yolov5.load('keremberke/yolov5s-nfl')
  
# 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)

# 使用測試時數據增強進行推理
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
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-nfl --epochs 10

更多模型

更多可用模型請查看：awesome-yolov5-models

📦 模型信息

📊 模型評估結果

• 模型名稱：keremberke/yolov5s-nfl
• 任務類型：目標檢測
• 數據集：keremberke/nfl-object-detection（驗證集）
• 評估指標：
  • mAP@0.5：0.2607797627992381（範圍：0.0 - 1.0）

🖼️ 示例可視化