Yolov11n Face Detection

🚀 YOLOv11n人脸检测

YOLOv11n人脸检测是一个基于YOLO架构（YOLOv11 nano）的轻量级人脸检测模型，该模型在WIDERFACE数据集上进行了225个轮次的训练。它能够高效准确地检测图像中的人脸，为相关应用场景提供有力支持。

✨ 主要特性

• 基于YOLO架构，具备轻量级的特点，便于部署和使用。
• 在WIDERFACE数据集上进行长时间训练，具备良好的检测性能。
• 能输出不同难度级别下的评估指标，结果直观清晰。

📦 安装指南

此文档未提及具体安装步骤，若需使用该模型，可参考代码示例中的依赖库安装方式。

💻 使用示例

基础用法

from huggingface_hub import hf_hub_download
from ultralytics import YOLO

model_path = hf_hub_download(repo_id="AdamCodd/YOLOv11n-face-detection", filename="model.pt")
model = YOLO(model_path)

results = model.predict("/path/to/your/image", save=True) # saves the result in runs/detect/predict

📚 详细文档

评估结果

该模型在评估集上取得了以下结果：

==================== Results ====================
Easy   Val AP: 0.9420471677096086
Medium Val AP: 0.9210357271019756
Hard   Val AP: 0.8099848364072022
=================================================

检测效果展示

YOLO检测结果：

混淆矩阵

混淆矩阵： [[23577 2878] [16098 0]]

🔧 技术细节

• 基础模型：基于Ultralytics/YOLO11模型构建。
• 训练数据：使用WIDERFACE数据集进行了225个轮次的训练。

📄 许可证

本项目采用Apache-2.0许可证。

⚠️ 重要提示

• 该模型在极端光照条件下性能可能会有所波动。
• 该模型最适合用于正面和轻微倾斜角度的人脸检测。
• 当人脸在图像中占据超过20像素时，模型能达到最佳性能。