许可证: agpl-3.0 标签:

• ultralyticsplus
• ultralytics
• yolov8
• yolo
• 视觉
• 目标检测
• pytorch 库名称: ultralytics 库版本: 8.0.4 推理: false

模型索引:

• 名称: ultralyticsplus/yolov8s 结果:
  • 任务: 类型: 目标检测 指标:
    • 类型: 精确度 # 由于huggingface.co/metrics不提供mAP指标 数值: 0.449 # 最小值: 0.0 - 最大值: 1.0 名称: mAP

支持的标签类别

['人', '自行车', '汽车', '摩托车', '飞机', '公交车', '火车', '卡车', '船', '交通信号灯', '消防栓', '停车标志', '停车计时器', '长椅', '鸟', '猫', '狗', '马', '羊', '牛', '大象', '熊', '斑马', '长颈鹿', '背包', '雨伞', '手提包', '领带', '行李箱', '飞盘', '滑雪板', '滑雪单板', '运动球', '风筝', '棒球棒', '棒球手套', '滑板', '冲浪板', '网球拍', '瓶子', '红酒杯', '杯子', '叉子', '刀子', '勺子', '碗', '香蕉', '苹果', '三明治', '橙子', '西兰花', '胡萝卜', '热狗', '披萨', '甜甜圈', '蛋糕', '椅子', '沙发', '盆栽植物', '床', '餐桌', '马桶', '电视', '笔记本电脑', '鼠标', '遥控器', '键盘', '手机', '微波炉', '烤箱', '烤面包机', '水槽', '冰箱', '书', '时钟', '花瓶', '剪刀', '泰迪熊', '吹风机', '牙刷']

使用方法

• 安装 ultralyticsplus:

pip install -U ultralyticsplus==0.0.14

• 加载模型并进行预测:

from ultralyticsplus import YOLO, render_result

# 加载模型
model = YOLO('ultralyticsplus/yolov8s')

# 设置模型参数
model.overrides['conf'] = 0.25  # 非极大值抑制置信度阈值
model.overrides['iou'] = 0.45  # 非极大值抑制IoU阈值
model.overrides['agnostic_nms'] = False  # 非类别无关的NMS
model.overrides['max_det'] = 1000  # 每张图像最大检测数量

# 设置图片路径
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()