Product Detection In Shelf Yolov8

🚀 YOLOv8零售環境貨架目標檢測模型

本模型專為零售環境設計，能夠精準檢測貨架上的商品，實現即時庫存管理和貨架佈局優化，為零售運營帶來極大便利。

🚀 快速開始

若要使用YOLOv8貨架目標檢測模型開啟零售魔法之旅，請遵循以下步驟：

pip install ultralyticsplus==0.0.28 ultralytics==8.0.43

• 召喚模型並揭開其奧秘：

# 揮動你的魔杖（或敲擊鍵盤）開始吧！
from ultralyticsplus import YOLO, render_result
import cv2

# 施展魔法召喚模型
model = YOLO('foduucom/shelf-object-detection-yolov8')

# 調整魔法參數
model.overrides['conf'] = 0.25  # NMS置信度閾值
model.overrides['iou'] = 0.45  # NMS的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 = "path/to/your/shelf/image"

# 你可以傳入即時攝像頭流或視頻
# 開始穿越視頻幀的神秘之旅
# （記得準備好你的零售畫卷）
while cap.isOpened():
    # 從視頻中讀取一幀
    success, frame = cap.read()

    if success:
        # 釋放YOLOv8的魔法
        results = model(frame)

        # 在幀上展示魔法
        annotated_frame = results[0].plot()

        # 呈現被施了魔法的幀
        cv2.imshow("YOLOv8 Retail Wizardry", annotated_frame)

        # 如果按下 'q' 則解除魔法
        if cv2.waitKey(1) & 0xFF == ord("q"):
            break
    else:
        # 當視頻結束時迴歸現實
        break

# 釋放你的視頻俘虜並關閉傳送門
cap.release()
cv2.destroyAllWindows()

✨ 主要特性

• 精準檢測：如同擁有第六感一般，能夠精準找到貨架上的商品，無論是一罐泡菜還是最新的小工具，都能輕鬆識別。
• 數量統計：具備強大的計數能力，助力實現完美的零售庫存管理。
• 即時應用：可集成到零售系統中，實現即時庫存管理、貨架優化和自動補貨。

📦 安裝指南

運行以下命令進行安裝：

pip install ultralyticsplus==0.0.28 ultralytics==8.0.43

💻 使用示例

基礎用法

# 揮動你的魔杖（或敲擊鍵盤）開始吧！
from ultralyticsplus import YOLO, render_result
import cv2

# 施展魔法召喚模型
model = YOLO('foduucom/shelf-object-detection-yolov8')

# 調整魔法參數
model.overrides['conf'] = 0.25  # NMS置信度閾值
model.overrides['iou'] = 0.45  # NMS的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 = "path/to/your/shelf/image"

高級用法

# 你可以傳入即時攝像頭流或視頻
# 開始穿越視頻幀的神秘之旅
# （記得準備好你的零售畫卷）
while cap.isOpened():
    # 從視頻中讀取一幀
    success, frame = cap.read()

    if success:
        # 釋放YOLOv8的魔法
        results = model(frame)

        # 在幀上展示魔法
        annotated_frame = results[0].plot()

        # 呈現被施了魔法的幀
        cv2.imshow("YOLOv8 Retail Wizardry", annotated_frame)

        # 如果按下 'q' 則解除魔法
        if cv2.waitKey(1) & 0xFF == ord("q"):
            break
    else:
        # 當視頻結束時迴歸現實
        break

# 釋放你的視頻俘虜並關閉傳送門
cap.release()
cv2.destroyAllWindows()

📚 詳細文檔

支持的標籤

['Empty Shelves', 'Magical Products']

用途

直接使用

將此模型集成到你的零售系統中，實現即時庫存管理、貨架優化和自動補貨。

下游應用

可用於優化貨架佈局、揭示商品擺放奧秘，為顧客帶來更好的購物體驗。

注意事項

⚠️ 重要提示

• 該模型可能在複雜光照和混亂貨架環境下表現不佳，請保持貨架整潔！
• 商品快速變化和貨架動態可能會影響其準確性。

💡 使用建議

在實際應用前，請在你的零售環境中進行測試和調整。

🔧 技術細節

📄 許可證

未提及相關許可證信息。

模型作者 🧙‍♂️

YOLOv8貨架目標檢測模型由FODUU AI的專家打造。

@ModelCard{
  author    = {Nehul Agrawal and
               Pranjal Singh Thakur},
  title     = {YOLOv8 Shelf Object Detection in Retail Environments},
  year      = {2023}
}

加入零售魔法世界，如有任何問題或想做出貢獻，請發送郵件至 info@foduu.com。