标签:

• ultralyticsplus
• yolov8
• ultralytics
• yolo
• 视觉
• 目标检测
• pytorch
• awesome-yolov8-models 库名称: ultralytics 库版本: 8.0.21 推理: 否

数据集:

• keremberke/表格提取

模型索引:

• 名称: keremberke/yolov8s-table-extraction 结果:

  • 任务: 类型: 目标检测

    数据集: 类型: keremberke/表格提取 名称: 表格提取 分割: 验证

    指标:

    • 类型: 精确度 # 由于hf.co/metrics上不提供mAP@0.5 值: 0.98376 # 最小值: 0.0 - 最大值: 1.0 名称: mAP@0.5(框)

支持的标签

['带边框', '无边框']

使用方法

• 安装 ultralyticsplus:

pip install ultralyticsplus==0.0.23 ultralytics==8.0.21

• 加载模型并进行预测:

from ultralyticsplus import YOLO, render_result

# 加载模型
model = YOLO('keremberke/yolov8s-table-extraction')

# 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'

# 执行推理
results = model.predict(image)

# 观察结果
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