Yolov5n Forklift

🚀 YOLOv5叉车目标检测模型

本项目基于YOLOv5实现叉车目标检测，利用深度学习技术，在特定数据集上进行训练，能够高效准确地识别图像中的叉车目标，为相关视觉应用场景提供有力支持。

🚀 快速开始

安装依赖

安装yolov5库：

pip install -U yolov5

加载模型并进行预测

import yolov5

# 加载模型
model = yolov5.load('keremberke/yolov5n-forklift')
  
# 设置模型参数
model.conf = 0.25  # NMS置信度阈值
model.iou = 0.45  # NMS IoU阈值
model.agnostic = False  # NMS类别无关
model.multi_label = False  # NMS每个框多个标签
model.max_det = 1000  # 每张图像的最大检测数

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

# 进行推理
results = model(img, size=640)

# 使用测试时增强进行推理
results = model(img, augment=True)

# 解析结果
predictions = results.pred[0]
boxes = predictions[:, :4] # x1, y1, x2, y2
scores = predictions[:, 4]
categories = predictions[:, 5]

# 在图像上显示检测边界框
results.show()

# 将结果保存到 "results/" 文件夹中
results.save(save_dir='results/')

在自定义数据集上微调模型

yolov5 train --data data.yaml --img 640 --batch 16 --weights keremberke/yolov5n-forklift --epochs 10

更多可用模型请查看：awesome-yolov5-models

📚 详细文档

模型信息

评估指标

模型在keremberke/forklift-object-detection验证集上的评估指标如下：

模型示例图