Yolov8 Nano Aadhar Card

🚀 YOLOv8模型：檢測印度身份證（Aadhar Card）上的重要文本

本模型利用YOLOv8技術，能夠精準識別並提取印度身份證（Aadhar Card）圖像中的重要文本信息，可廣泛應用於自動數據錄入、欺詐檢測和文檔驗證等領域。

🚀 快速開始

支持的標籤

# label_id: label_name
{0: "AADHAR_NUMBER", 1: "DATE_OF_BIRTH", 2: "GENDER", 3: "NAME", 4: "ADDRESS"}

安裝依賴

$ pip install ultralytics huggingface_hub supervision

加載模型

from ultralytics import YOLO
from huggingface_hub import hf_hub_download
from supervision import Detections

# 倉庫詳情
repo_config = dict(
    repo_id = "arnabdhar/YOLOv8-nano-aadhar-card",
    filename = "model.pt",
    local_dir = "./models"
)

# 加載模型
model = YOLO(hf_hub_download(**repo_config))

# 獲取ID到標籤的映射
id2label = model.names
print(id2label)

# 進行推理
image_url = "https://i.pinimg.com/originals/08/6d/82/086d820550f34066764f4047ddc263ca.jpg"

detections = Detections.from_ultralytics(model.predict(image_url)[0])

print(detections)

✨ 主要特性

• 精準識別：能夠準確識別印度身份證上的多種重要文本信息，如身份證號碼、出生日期、性別、姓名和地址等。
• 廣泛應用：可應用於自動數據錄入、欺詐檢測和文檔驗證等多個領域。

📦 安裝指南

運行以下命令安裝所需依賴：

$ pip install ultralytics huggingface_hub supervision

💻 使用示例

基礎用法

from ultralytics import YOLO
from huggingface_hub import hf_hub_download
from supervision import Detections

# 倉庫詳情
repo_config = dict(
    repo_id = "arnabdhar/YOLOv8-nano-aadhar-card",
    filename = "model.pt",
    local_dir = "./models"
)

# 加載模型
model = YOLO(hf_hub_download(**repo_config))

# 獲取ID到標籤的映射
id2label = model.names
print(id2label)

# 進行推理
image_url = "https://i.pinimg.com/originals/08/6d/82/086d820550f34066764f4047ddc263ca.jpg"

detections = Detections.from_ultralytics(model.predict(image_url)[0])

print(detections)

📚 詳細文檔

模型概述

印度身份證文本檢測是指從印度身份證圖像中識別並提取文本的過程。使用YOLOv8這一先進的目標檢測模型可以實現該任務。YOLOv8可以被訓練來檢測包括文本在內的各種目標類別。訓練完成後，它可以用於檢測印度身份證圖像中的文本，並將文本提取到文本文件或其他格式中。

推理

支持的標籤

# label_id: label_name
{0: "AADHAR_NUMBER", 1: "DATE_OF_BIRTH", 2: "GENDER", 3: "NAME", 4: "ADDRESS"}

安裝依賴

$ pip install ultralytics huggingface_hub supervision

加載模型

from ultralytics import YOLO
from huggingface_hub import hf_hub_download
from supervision import Detections

# 倉庫詳情
repo_config = dict(
    repo_id = "arnabdhar/YOLOv8-nano-aadhar-card",
    filename = "model.pt",
    local_dir = "./models"
)

# 加載模型
model = YOLO(hf_hub_download(**repo_config))

# 獲取ID到標籤的映射
id2label = model.names
print(id2label)

# 進行推理
image_url = "https://i.pinimg.com/originals/08/6d/82/086d820550f34066764f4047ddc263ca.jpg"

detections = Detections.from_ultralytics(model.predict(image_url)[0])

print(detections)

微調

以下超參數用於微調模型：

model: yolov8n.pt
batch: 4
epochs: 100
optimizer: AdamW
warmup_epochs: 15
seed: 42
imgsz: 640

best.pt 在邊界框預測方面取得了以下評估指標：

recall: 0.962
precision: 0.973
mAP50: 0.963
mAP50_95: 0.748 

數據集

• 來源：Roboflow Universe
• 數據集URL：https://universe.roboflow.com/jizo/aadhar-card-entity-detection

🔧 技術細節

本項目使用YOLOv8模型進行印度身份證文本檢測。YOLOv8是一種先進的目標檢測模型，通過訓練可以識別特定的目標類別，如印度身份證上的文本信息。在微調過程中，使用了特定的超參數進行模型訓練，以達到較好的檢測效果。評估指標顯示，模型在邊界框預測方面具有較高的召回率和準確率。

📄 許可證

本項目採用Apache-2.0許可證。

模型信息表格