/ Модель
Каталог

Характеристики

Размер весов
52 МБ
Архитектура
v8 · dense
Библиотека
ultralytics
Опубликована
22 янв 2023

Ссылки

Hugging Face

yolov8m-forklift-detection

keremberke
Поиск объектовИзображение → bounding_boxes3 профессии

Модель YOLOv8 обнаруживает вилочные погрузчики и людей на изображениях, например, для контроля складских зон.

1 105скачиваний за 30 дней8лайковвеса 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-forklift-detection — модель компьютерного зрения на архитектуре YOLOv8, опубликованная пользователем keremberke и предназначенная для обнаружения вилочных погрузчиков и людей на изображениях. Она использует библиотеку Ultralytics и распространяется в формате PyTorch. Модель можно применять для визуального контроля присутствия погрузчиков и людей на кадрах, например, в рабочих зонах склада.

README указывает два класса обнаружения: forklift и person. Карточка предлагает использовать модель через ultralyticsplus. Сведения о размере модели, лицензии, языковой поддержке и контексте неприменимы или не приведены в доступных данных.

Сценарии применения

  • обнаружение вилочных погрузчиков на изображениях
  • обнаружение людей в кадрах складских зон
  • визуальный контроль совместного присутствия погрузчиков и людей
  • анализ кадров с камер наблюдения на складе

Ограничения

Модель распознаёт только два указанных класса — вилочные погрузчики и людей; качество и устойчивость на конкретных камерах и условиях освещения не описаны.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
IV.7Отраслевые задачиЦепочки поставок, склады, логистика и международная торговляAI помогает планировать сеть поставок, склады, перевозки и международное движение товаров.42 задачи392моделиII.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделейII.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Supported Labels

['forklift', 'person']

How to use

pip install ultralyticsplus==0.0.23 ultralytics==8.0.21
  • Load model and perform prediction:
from ultralyticsplus import YOLO, render_result

# load model
model = YOLO('keremberke/yolov8m-forklift-detection')

# 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)
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
6ec7a4f

0 моделей

    Создать бенчмарк