Yolov8m Nlf Head Detection

🚀 keremberke/yolov8m-nlf-head-detection

本项目基于ultralytics库，利用YOLOv8模型实现目标检测，可对美式橄榄球相关目标进行检测，在keremberke/nfl-object-detection数据集上进行了验证。

🚀 快速开始

支持的标签

['Helmet', 'Helmet-Blurred', 'Helmet-Difficult', 'Helmet-Partial', 'Helmet-Sideline']

使用方法

• 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

# load model
model = YOLO('keremberke/yolov8m-nlf-head-detection')

# set model parameters
model.overrides['conf'] = 0.25  # NMS confidence threshold
model.overrides['iou'] = 0.45  # NMS IoU threshold
model.overrides['agnostic_nms'] = False  # NMS class-agnostic
model.overrides['max_det'] = 1000  # maximum number of detections per image

# set image
image = 'https://github.com/ultralytics/yolov5/raw/master/data/images/zidane.jpg'

# perform inference
results = model.predict(image)

# observe results
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

📦 安装指南

安装所需的库：

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/yolov8m-nlf-head-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

支持的标签

模型支持以下标签：

['Helmet', 'Helmet-Blurred', 'Helmet-Difficult', 'Helmet-Partial', 'Helmet-Sideline']

模型信息

评估指标

在nfl-object-detection数据集的验证集上，模型的mAP@0.5(box)指标为 0.28743。

模型索引

• 名称：keremberke/yolov8m-nlf-head-detection
• 任务类型：目标检测
• 数据集：keremberke/nfl-object-detection
• 评估指标：
  • mAP@0.5(box)：0.28743