Yolov8n Csgo Player Detection

🚀 keremberke/yolov8n-csgo-player-detection

本项目基于ultralytics库，使用YOLOv8n模型实现了CSGO玩家检测。它能精准识别CSGO游戏画面中的CT和T玩家及其头部，在目标检测任务中表现出色，mAP@0.5(box)达到了0.84441。

🚀 快速开始

安装依赖

安装 ultralyticsplus：

pip install ultralyticsplus==0.0.23 ultralytics==8.0.21

加载模型并进行预测

from ultralyticsplus import YOLO, render_result

# 加载模型
model = YOLO('keremberke/yolov8n-csgo-player-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()

更多模型请访问：awesome-yolov8-models

✨ 主要特性

• 精准检测：能够准确识别CSGO游戏画面中的CT和T玩家及其头部。
• 易于使用：借助ultralyticsplus库，简单的几行代码即可完成模型加载和预测。

📦 安装指南

安装 ultralyticsplus：

pip install ultralyticsplus==0.0.23 ultralytics==8.0.21

💻 使用示例

基础用法

from ultralyticsplus import YOLO, render_result

# 加载模型
model = YOLO('keremberke/yolov8n-csgo-player-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

['ct', 'cthead', 't', 'thead']

模型指标