Yolov8n Hard Hat Detection

🚀 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

# 加載模型
model = YOLO('keremberke/yolov8n-hard-hat-detection')

# 設置模型參數
model.overrides['conf'] = 0.25  # NMS置信度閾值
model.overrides['iou'] = 0.45  # NMS 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 = 'https://github.com/ultralytics/yolov5/raw/master/data/images/zidane.jpg'

# 進行推理
results = model.predict(image)

# 查看結果
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

# 加載模型
model = YOLO('keremberke/yolov8n-hard-hat-detection')

# 設置模型參數
model.overrides['conf'] = 0.25  # NMS置信度閾值
model.overrides['iou'] = 0.45  # NMS 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 = 'https://github.com/ultralytics/yolov5/raw/master/data/images/zidane.jpg'

# 進行推理
results = model.predict(image)

# 查看結果
print(results[0].boxes)
render = render_result(model=model, image=image, result=results[0])
render.show()

📚 詳細文檔

模型信息

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