Yolov8n Nlf Head Detection

🚀 keremberke/yolov8n-nlf-head-detection

该项目基于ultralytics库，使用YOLOv8模型进行目标检测，尤其适用于美式橄榄球比赛中的头盔检测任务。它在特定数据集上进行了训练和验证，为相关领域的目标检测提供了有效的解决方案。

✨ 主要特性

• 多标签支持：支持对多种头盔类型进行检测，包括Helmet、Helmet-Blurred、Helmet-Difficult、Helmet-Partial和Helmet-Sideline。
• 易于使用：借助ultralyticsplus库，用户可以方便地加载模型并进行预测。

📦 安装指南

• 安装 ultralyticsplus：

pip install ultralyticsplus==0.0.24 ultralytics==8.0.23

💻 使用示例

基础用法

from ultralyticsplus import YOLO, render_result

# 加载模型
model = YOLO('keremberke/yolov8n-nlf-head-detection')

# 设置模型参数
model.overrides['conf'] = 0.25  # NMS置信度阈值
model.overrides['iou'] = 0.45  # NMS IoU阈值
model.overrides['agnostic_nms'] = False  # NMS类别无关
model.overrides['max_det'] = 1000  # 每张图像的最大检测数

# 设置图像
image = 'https://github.com/ultralytics/yolov5/raw/master/data/images/zidane.jpg'

# 进行推理
results = model.predict(image)

# 查看结果
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

['Helmet', 'Helmet-Blurred', 'Helmet-Difficult', 'Helmet-Partial', 'Helmet-Sideline']

模型信息

更多模型

更多模型请访问：awesome-yolov8-models