/ Модель

Характеристики

Размер весов
54,8 МБ
Архитектура
v8 · dense
Библиотека
ultralytics
Опубликована
27 янв 2023

yolov8m-building-segmentation

Сегментация изображенийИзображение → mask3 профессии

Модель YOLOv8m выделяет здания на изображениях, в том числе на спутниковых снимках.

1 640скачиваний за 30 дней11лайковвеса обновлены22 фев 2023

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

keremberke/yolov8m-building-segmentation — модель сегментации изображений на базе YOLOv8m, опубликованная Keremberke. Она предназначена для обнаружения и выделения контуров зданий на изображениях; единственная указанная метка — Building. Модель обучена на наборе данных keremberke/satellite-building-segmentation и рассчитана на сценарии анализа спутниковых изображений. Для запуска используется библиотека Ultralytics; веса представлены в формате PyTorch. Сведения о лицензии в доступных данных отсутствуют.

Сценарии применения

  • сегментация зданий на спутниковых снимках
  • выделение контуров зданий на аэрофотоснимках
  • подготовка масок зданий для картографирования

Ограничения

Модель распознаёт только класс Building, поэтому не подходит для сегментации других объектов. Качество на изображениях, отличающихся от обучающих спутниковых данных, не установлено.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Supported Labels

['Building']

How to use

pip install ultralyticsplus==0.0.21
  • Load model and perform prediction:
from ultralyticsplus import YOLO, render_result

# load model
model = YOLO('keremberke/yolov8m-building-segmentation')

# set model parameters
model.overrides['conf'] = 0.25  # NMS confidence threshold
model.overrides['iou'] = 0.45  # NMS IoU threshold
model.overrides['agnostic_nms'] = False  # NMS class-agnostic
model.overrides['max_det'] = 1000  # maximum number of detections per image

# set image
image = 'https://github.com/ultralytics/yolov5/raw/master/data/images/zidane.jpg'

# perform inference
results = model.predict(image)

# observe results
print(results[0].boxes)
print(results[0].masks)
render = render_result(model=model, image=image, result=results[0])
render.show()

More models available at: awesome-yolov8-models

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · ultralytics

Нельзя запустить

Модели Ultralytics YOLO требуют отдельного рантайма.

Ревизия весов
fb54d50

0 моделей