标签:

• ultralyticsplus
• yolov8
• ultralytics
• yolo
• 视觉
• 目标检测
• pytorch
• awesome-yolov8-models

库名称: ultralytics
库版本: 8.0.23
推理: 否

数据集:

• keremberke/nfl-object-detection

模型索引:

• 名称: keremberke/yolov8s-nlf-head-detection
  结果:
  • 任务: 类型: 目标检测 数据集: 类型: keremberke/nfl-object-detection
    名称: nfl-object-detection
    分割: 验证 指标:
    • 类型: 精确度 # 因为huggingface.co/metrics上没有mAP@0.5
      值: 0.27882 # 最小值: 0.0 - 最大值: 1.0
      名称: mAP@0.5(框)

支持的标签

['头盔', '模糊头盔', '困难头盔', '部分头盔', '边线头盔']

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  

# 加载模型  
model = YOLO('keremberke/yolov8s-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是否类别无关  
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)  

# 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