🚀 ultralyticsplus/yolov8s
ultralyticsplus/yolov8s
是基于 ultralytics
库的目标检测模型,可精准识别多种常见物体,在目标检测任务中表现出色。
🚀 快速开始
安装依赖
安装 ultralyticsplus:
pip install -U ultralyticsplus==0.0.14
加载模型并进行预测
from ultralyticsplus import YOLO, render_result
model = YOLO('ultralyticsplus/yolov8s')
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()
✨ 主要特性
- 广泛的标签支持:能够识别多种常见物体,如人、车辆、动物、生活用品等。
- 参数可调整:可以根据具体需求调整模型的置信度阈值、IoU 阈值等参数。
📦 安装指南
安装 ultralyticsplus:
pip install -U ultralyticsplus==0.0.14
💻 使用示例
基础用法
from ultralyticsplus import YOLO, render_result
model = YOLO('ultralyticsplus/yolov8s')
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()
📚 详细文档
支持的标签
['person', 'bicycle', 'car', 'motorcycle', 'airplane', 'bus', 'train', 'truck', 'boat', 'traffic light', 'fire hydrant', 'stop sign', 'parking meter', 'bench', 'bird', 'cat', 'dog', 'horse', 'sheep', 'cow', 'elephant', 'bear', 'zebra', 'giraffe', 'backpack', 'umbrella', 'handbag', 'tie', 'suitcase', 'frisbee', 'skis', 'snowboard', 'sports ball', 'kite', 'baseball bat', 'baseball glove', 'skateboard', 'surfboard', 'tennis racket', 'bottle', 'wine glass', 'cup', 'fork', 'knife', 'spoon', 'bowl', 'banana', 'apple', 'sandwich', 'orange', 'broccoli', 'carrot', 'hot dog', 'pizza', 'donut', 'cake', 'chair', 'couch', 'potted plant', 'bed', 'dining table', 'toilet', 'tv', 'laptop', 'mouse', 'remote', 'keyboard', 'cell phone', 'microwave', 'oven', 'toaster', 'sink', 'refrigerator', 'book', 'clock', 'vase', 'scissors', 'teddy bear', 'hair drier', 'toothbrush']
模型指标
属性 |
详情 |
模型类型 |
目标检测 |
平均精度均值 (mAP) |
0.449 |