Product Detection In Shelf Yolov8

🚀 YOLOv8零售环境货架目标检测模型

本模型专为零售环境设计，能够精准检测货架上的商品，实现实时库存管理和货架布局优化，为零售运营带来极大便利。

🚀 快速开始

若要使用YOLOv8货架目标检测模型开启零售魔法之旅，请遵循以下步骤：

pip install ultralyticsplus==0.0.28 ultralytics==8.0.43

• 召唤模型并揭开其奥秘：

# 挥动你的魔杖（或敲击键盘）开始吧！
from ultralyticsplus import YOLO, render_result
import cv2

# 施展魔法召唤模型
model = YOLO('foduucom/shelf-object-detection-yolov8')

# 调整魔法参数
model.overrides['conf'] = 0.25  # NMS置信度阈值
model.overrides['iou'] = 0.45  # NMS的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 = "path/to/your/shelf/image"

# 你可以传入实时摄像头流或视频
# 开始穿越视频帧的神秘之旅
# （记得准备好你的零售画卷）
while cap.isOpened():
    # 从视频中读取一帧
    success, frame = cap.read()

    if success:
        # 释放YOLOv8的魔法
        results = model(frame)

        # 在帧上展示魔法
        annotated_frame = results[0].plot()

        # 呈现被施了魔法的帧
        cv2.imshow("YOLOv8 Retail Wizardry", annotated_frame)

        # 如果按下 'q' 则解除魔法
        if cv2.waitKey(1) & 0xFF == ord("q"):
            break
    else:
        # 当视频结束时回归现实
        break

# 释放你的视频俘虏并关闭传送门
cap.release()
cv2.destroyAllWindows()

✨ 主要特性

• 精准检测：如同拥有第六感一般，能够精准找到货架上的商品，无论是一罐泡菜还是最新的小工具，都能轻松识别。
• 数量统计：具备强大的计数能力，助力实现完美的零售库存管理。
• 实时应用：可集成到零售系统中，实现实时库存管理、货架优化和自动补货。

📦 安装指南

运行以下命令进行安装：

pip install ultralyticsplus==0.0.28 ultralytics==8.0.43

💻 使用示例

基础用法

# 挥动你的魔杖（或敲击键盘）开始吧！
from ultralyticsplus import YOLO, render_result
import cv2

# 施展魔法召唤模型
model = YOLO('foduucom/shelf-object-detection-yolov8')

# 调整魔法参数
model.overrides['conf'] = 0.25  # NMS置信度阈值
model.overrides['iou'] = 0.45  # NMS的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 = "path/to/your/shelf/image"

高级用法

# 你可以传入实时摄像头流或视频
# 开始穿越视频帧的神秘之旅
# （记得准备好你的零售画卷）
while cap.isOpened():
    # 从视频中读取一帧
    success, frame = cap.read()

    if success:
        # 释放YOLOv8的魔法
        results = model(frame)

        # 在帧上展示魔法
        annotated_frame = results[0].plot()

        # 呈现被施了魔法的帧
        cv2.imshow("YOLOv8 Retail Wizardry", annotated_frame)

        # 如果按下 'q' 则解除魔法
        if cv2.waitKey(1) & 0xFF == ord("q"):
            break
    else:
        # 当视频结束时回归现实
        break

# 释放你的视频俘虏并关闭传送门
cap.release()
cv2.destroyAllWindows()

📚 详细文档

支持的标签

['Empty Shelves', 'Magical Products']

用途

直接使用

将此模型集成到你的零售系统中，实现实时库存管理、货架优化和自动补货。

下游应用

可用于优化货架布局、揭示商品摆放奥秘，为顾客带来更好的购物体验。

注意事项

⚠️ 重要提示

• 该模型可能在复杂光照和混乱货架环境下表现不佳，请保持货架整洁！
• 商品快速变化和货架动态可能会影响其准确性。

💡 使用建议

在实际应用前，请在你的零售环境中进行测试和调整。

🔧 技术细节

📄 许可证

未提及相关许可证信息。

模型作者 🧙‍♂️

YOLOv8货架目标检测模型由FODUU AI的专家打造。

@ModelCard{
  author    = {Nehul Agrawal and
               Pranjal Singh Thakur},
  title     = {YOLOv8 Shelf Object Detection in Retail Environments},
  year      = {2023}
}

加入零售魔法世界，如有任何问题或想做出贡献，请发送邮件至 info@foduu.com。