Yolo V8 Indoor Scene Classification

🚀 uisikdag/indoorsceneclas_v8

uisikdag/indoorsceneclas_v8 是基於 ultralytics 庫的圖像分類模型，可用於室內場景的分類識別，支持多種常見室內場景的分類。

🚀 快速開始

安裝依賴

你需要安裝 ultralyticsplus 和 ultralytics 庫，可使用以下命令進行安裝：

pip install ultralyticsplus==0.0.23 ultralytics==8.0.21

加載模型並進行預測

以下是一個簡單的代碼示例，展示瞭如何加載模型並進行預測：

from ultralyticsplus import YOLO, postprocess_classify_output

# 加載模型
model = YOLO('uisikdag/indoorsceneclas_v8')

# 設置模型參數
model.overrides['conf'] = 0.25  # 模型置信度閾值

# 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].probs) # [0.1, 0.2, 0.3, 0.4]
processed_result = postprocess_classify_output(model, result=results[0])
print(processed_result) # {"cat": 0.4, "dog": 0.6}

✨ 主要特性

• 多場景支持：支持多種室內場景的分類，包括機場內部、藝術工作室、禮堂等。
• 易於使用：藉助 ultralyticsplus 庫，可快速加載模型並進行預測。

📦 安裝指南

安裝所需的庫，使用以下命令：

pip install ultralyticsplus==0.0.23 ultralytics==8.0.21

💻 使用示例

基礎用法

from ultralyticsplus import YOLO, postprocess_classify_output

# 加載模型
model = YOLO('uisikdag/indoorsceneclas_v8')

# 設置模型參數
model.overrides['conf'] = 0.25  # 模型置信度閾值

# 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].probs) # [0.1, 0.2, 0.3, 0.4]
processed_result = postprocess_classify_output(model, result=results[0])
print(processed_result) # {"cat": 0.4, "dog": 0.6}

📚 詳細文檔

支持的標籤

模型支持以下室內場景標籤：

['airport_inside', 'artstudio', 'auditorium', 'bakery', 'bookstore', 'bowling', 'buffet', 'casino', 'children_room', 'church_inside', 'classroom', 'cloister', 'closet', 'clothingstore', 'computerroom', 'concert_hall', 'corridor', 'deli', 'dentaloffice', 'dining_room', 'elevator', 'fastfood_restaurant', 'florist', 'gameroom', 'garage', 'greenhouse', 'grocerystore', 'gym', 'hairsalon', 'hospitalroom', 'inside_bus', 'inside_subway', 'jewelleryshop', 'kindergarden', 'kitchen', 'laboratorywet', 'laundromat', 'library', 'livingroom', 'lobby', 'locker_room', 'mall', 'meeting_room', 'movietheater', 'museum', 'nursery', 'office', 'operating_room', 'pantry', 'poolinside', 'prisoncell', 'restaurant', 'restaurant_kitchen', 'shoeshop', 'stairscase', 'studiomusic', 'subway', 'toystore', 'trainstation', 'tv_studio', 'videostore', 'waitingroom', 'warehouse', 'winecellar']

數據集

該模型使用的數據集可通過以下鏈接獲取：Link

模型指標