license: apache-2.0 tags:

• 目标检测
• ultralytics
• yolov8
• pytorch
• pickle pipeline_tag: 目标检测 library_name: ultralytics library_version: 8.0.198 model-index:
  • name: arnabdhar/YOLOv8-nano-aadhar-card results:
    • task: type: 目标检测 metrics:
      • type: 精确率 value: 0.963 name: mAP@50
      • type: 精确率 value: 0.748 name: mAP@50-95

用于检测Aadhar卡关键文本的YOLOv8模型

概述

Aadhaar卡文本检测是指从Aadhaar卡图像中识别和提取文本的过程。这在自动数据录入、欺诈检测和文件验证等多种应用中非常有用。

一种实现Aadhaar卡文本检测的方法是使用YOLOv8，这是一种先进的目标检测模型。YOLOv8可以训练用于检测包括文本在内的多种对象类别。训练完成后，YOLOv8可用于检测Aadhaar卡图像中的文本，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: 标签名称
{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)

# 执行推理
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在边界框预测上实现了以下评估指标：

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