Yolov8n Forklift Detection

🚀 叉车检测模型 - yolov8n

本项目基于ultralytics库，使用YOLOv8n模型进行叉车和人员的目标检测。通过在特定数据集上的训练，该模型在叉车目标检测任务中展现出了良好的性能。

🚀 快速开始

安装依赖库

安装 ultralyticsplus 库及其依赖：

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-forklift-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

更多可用模型请访问：awesome-yolov8-models

✨ 主要特性

• 目标检测：支持对叉车和人员的目标检测。
• 高性能：在keremberke/forklift-object-detection数据集的验证集上，mAP@0.5(box)达到了 0.83794。

📦 安装指南

安装 ultralyticsplus 库及其依赖：

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-forklift-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

['forklift', 'person']

模型指标

模型展示