Yolov8 Nano Aadhar Card

🚀 YOLOv8模型：检测印度身份证（Aadhar Card）上的重要文本

本模型利用YOLOv8技术，能够精准识别并提取印度身份证（Aadhar Card）图像中的重要文本信息，可广泛应用于自动数据录入、欺诈检测和文档验证等领域。

🚀 快速开始

支持的标签

# label_id: label_name
{0: "AADHAR_NUMBER", 1: "DATE_OF_BIRTH", 2: "GENDER", 3: "NAME", 4: "ADDRESS"}

安装依赖

$ pip install ultralytics huggingface_hub supervision

加载模型

from ultralytics import YOLO
from huggingface_hub import hf_hub_download
from supervision import Detections

# 仓库详情
repo_config = dict(
    repo_id = "arnabdhar/YOLOv8-nano-aadhar-card",
    filename = "model.pt",
    local_dir = "./models"
)

# 加载模型
model = YOLO(hf_hub_download(**repo_config))

# 获取ID到标签的映射
id2label = model.names
print(id2label)

# 进行推理
image_url = "https://i.pinimg.com/originals/08/6d/82/086d820550f34066764f4047ddc263ca.jpg"

detections = Detections.from_ultralytics(model.predict(image_url)[0])

print(detections)

✨ 主要特性

• 精准识别：能够准确识别印度身份证上的多种重要文本信息，如身份证号码、出生日期、性别、姓名和地址等。
• 广泛应用：可应用于自动数据录入、欺诈检测和文档验证等多个领域。

📦 安装指南

运行以下命令安装所需依赖：

$ pip install ultralytics huggingface_hub supervision

💻 使用示例

基础用法

from ultralytics import YOLO
from huggingface_hub import hf_hub_download
from supervision import Detections

# 仓库详情
repo_config = dict(
    repo_id = "arnabdhar/YOLOv8-nano-aadhar-card",
    filename = "model.pt",
    local_dir = "./models"
)

# 加载模型
model = YOLO(hf_hub_download(**repo_config))

# 获取ID到标签的映射
id2label = model.names
print(id2label)

# 进行推理
image_url = "https://i.pinimg.com/originals/08/6d/82/086d820550f34066764f4047ddc263ca.jpg"

detections = Detections.from_ultralytics(model.predict(image_url)[0])

print(detections)

📚 详细文档

模型概述

印度身份证文本检测是指从印度身份证图像中识别并提取文本的过程。使用YOLOv8这一先进的目标检测模型可以实现该任务。YOLOv8可以被训练来检测包括文本在内的各种目标类别。训练完成后，它可以用于检测印度身份证图像中的文本，并将文本提取到文本文件或其他格式中。

推理

支持的标签

# label_id: label_name
{0: "AADHAR_NUMBER", 1: "DATE_OF_BIRTH", 2: "GENDER", 3: "NAME", 4: "ADDRESS"}

安装依赖

$ pip install ultralytics huggingface_hub supervision

加载模型

from ultralytics import YOLO
from huggingface_hub import hf_hub_download
from supervision import Detections

# 仓库详情
repo_config = dict(
    repo_id = "arnabdhar/YOLOv8-nano-aadhar-card",
    filename = "model.pt",
    local_dir = "./models"
)

# 加载模型
model = YOLO(hf_hub_download(**repo_config))

# 获取ID到标签的映射
id2label = model.names
print(id2label)

# 进行推理
image_url = "https://i.pinimg.com/originals/08/6d/82/086d820550f34066764f4047ddc263ca.jpg"

detections = Detections.from_ultralytics(model.predict(image_url)[0])

print(detections)

微调

以下超参数用于微调模型：

model: yolov8n.pt
batch: 4
epochs: 100
optimizer: AdamW
warmup_epochs: 15
seed: 42
imgsz: 640

best.pt 在边界框预测方面取得了以下评估指标：

recall: 0.962
precision: 0.973
mAP50: 0.963
mAP50_95: 0.748 

数据集

• 来源：Roboflow Universe
• 数据集URL：https://universe.roboflow.com/jizo/aadhar-card-entity-detection

🔧 技术细节

本项目使用YOLOv8模型进行印度身份证文本检测。YOLOv8是一种先进的目标检测模型，通过训练可以识别特定的目标类别，如印度身份证上的文本信息。在微调过程中，使用了特定的超参数进行模型训练，以达到较好的检测效果。评估指标显示，模型在边界框预测方面具有较高的召回率和准确率。

📄 许可证

本项目采用Apache-2.0许可证。

模型信息表格