🚀 keremberke/yolov8n-hard-hat-detection
本項目基於ultralytics
庫,使用YOLOv8n
模型進行安全帽檢測。它能夠準確識別圖像中的安全帽和未戴安全帽的人員,在安全帽檢測任務上有著出色的表現。
🚀 快速開始
安裝依賴
安裝 ultralyticsplus:
pip install ultralyticsplus==0.0.24 ultralytics==8.0.23
加載模型並進行預測
from ultralyticsplus import YOLO, render_result
model = YOLO('keremberke/yolov8n-hard-hat-detection')
model.overrides['conf'] = 0.25
model.overrides['iou'] = 0.45
model.overrides['agnostic_nms'] = False
model.overrides['max_det'] = 1000
image = 'https://github.com/ultralytics/yolov5/raw/master/data/images/zidane.jpg'
results = model.predict(image)
print(results[0].boxes)
render = render_result(model=model, image=image, result=results[0])
render.show()
更多模型請訪問:awesome-yolov8-models
✨ 主要特性
- 支持的標籤:模型支持識別兩種標籤,分別為
['Hardhat', 'NO-Hardhat']
。
- 可視化展示:項目提供了可視化功能,可直觀查看檢測結果。
📦 安裝指南
要使用本模型,需要安裝ultralyticsplus
和ultralytics
庫,安裝命令如下:
pip install ultralyticsplus==0.0.24 ultralytics==8.0.23
💻 使用示例
基礎用法
from ultralyticsplus import YOLO, render_result
model = YOLO('keremberke/yolov8n-hard-hat-detection')
model.overrides['conf'] = 0.25
model.overrides['iou'] = 0.45
model.overrides['agnostic_nms'] = False
model.overrides['max_det'] = 1000
image = 'https://github.com/ultralytics/yolov5/raw/master/data/images/zidane.jpg'
results = model.predict(image)
print(results[0].boxes)
render = render_result(model=model, image=image, result=results[0])
render.show()
📚 詳細文檔
模型信息
屬性 |
詳情 |
模型類型 |
基於YOLOv8n 的目標檢測模型 |
訓練數據 |
keremberke/hard-hat-detection 數據集 |
評估指標
在hard-hat-detection
數據集的驗證集上,模型的mAP@0.5(box)
指標達到了 0.83633。
模型可視化