/ Модель
Каталог

Характеристики

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

Ссылки

Hugging Face

yolov8m-nlf-head-detection

keremberke
Поиск объектовИзображение → bounding_boxes3 профессии

YOLOv8m для обнаружения шлемов игроков и их вариантов на изображениях матчей американского футбола.

1 122скачиваний за 30 дней4лайкавеса 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-nlf-head-detection — модель компьютерного зрения семейства YOLOv8, опубликованная пользователем keremberke и предназначенная для обнаружения шлемов игроков в кадрах американского футбола. Она использует архитектуру YOLOv8m и библиотеку Ultralytics; веса представлены в формате PyTorch. Модель распознаёт классы Helmet, Helmet-Blurred, Helmet-Difficult, Helmet-Partial и Helmet-Sideline, поэтому подходит для анализа видеозаписей матчей и изображений с поля или боковой линии.

Модель принимает изображения и выдаёт обнаруженные объекты с рамками и метками классов. Она обучена на наборе данных keremberke/nfl-object-detection. Карточка указывает установку ultralyticsplus для использования, но не приводит сведения о точности или ограничениях на условиях съёмки. Лицензия в предоставленных данных не указана.

Сценарии применения

  • поиск шлемов игроков на кадрах матча
  • обнаружение шлемов на боковой линии
  • разметка размытых шлемов
  • обработка изображений для анализа игры в американский футбол

Ограничения

Модель обнаруживает только перечисленные варианты шлемов и обучена на наборе данных по американскому футболу; точность и устойчивость в других условиях съёмки в карточке не описаны.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделейII.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделейII.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Supported Labels

['Helmet', 'Helmet-Blurred', 'Helmet-Difficult', 'Helmet-Partial', 'Helmet-Sideline']

How to use

pip install ultralyticsplus==0.0.24 ultralytics==8.0.23
  • Load model and perform prediction:
from ultralyticsplus import YOLO, render_result

# load model
model = YOLO('keremberke/yolov8m-nlf-head-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
44fef0b

0 моделей

    Создать бенчмарк