🚀 血细胞检测模型 yolov8m

本项目基于ultralyticsplus和yolov8，提供了血细胞检测模型keremberke/yolov8m-blood-cell-detection，可准确识别血细胞中的血小板、红细胞和白细胞，在血细胞目标检测任务中具有较高的精度。

🚀 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/yolov8m-blood-cell-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()

✨ 主要特性

• 支持的标签：支持识别['Platelets', 'RBC', 'WBC']（血小板、红细胞、白细胞）。
• 高精度检测：在血细胞目标检测任务上有较高的精度，mAP@0.5(box)达到 0.92674。

📚 详细文档

模型信息

评估结果

模型keremberke/yolov8m-blood-cell-detection在血细胞目标检测任务上的评估结果如下：

• 任务类型：目标检测
• 数据集：keremberke/blood-cell-object-detection（验证集）
• 评估指标：
  • mAP@0.5(box)：0.92674

更多模型请查看：awesome-yolov8-models