Yolov8n Hard Hat Detection

🚀 keremberke/yolov8n-hard-hat-detection

本项目基于ultralytics库，使用YOLOv8n模型进行安全帽检测。它能够准确识别图像中的安全帽和未戴安全帽的人员，在安全帽检测任务上有着出色的表现。

🚀 快速开始

安装依赖

安装 ultralyticsplus：

pip install ultralyticsplus==0.0.24 ultralytics==8.0.23

加载模型并进行预测

from ultralyticsplus import YOLO, render_result

# 加载模型
model = YOLO('keremberke/yolov8n-hard-hat-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()

更多模型请访问：awesome-yolov8-models

✨ 主要特性

• 支持的标签：模型支持识别两种标签，分别为['Hardhat', 'NO-Hardhat']。
• 可视化展示：项目提供了可视化功能，可直观查看检测结果。

📦 安装指南

要使用本模型，需要安装ultralyticsplus和ultralytics库，安装命令如下：

pip install ultralyticsplus==0.0.24 ultralytics==8.0.23

💻 使用示例

基础用法

from ultralyticsplus import YOLO, render_result

# 加载模型
model = YOLO('keremberke/yolov8n-hard-hat-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

模型信息

评估指标

在hard-hat-detection数据集的验证集上，模型的mAP@0.5(box)指标达到了 0.83633。

模型可视化