/ Модель

Характеристики

Размер весов
31,7 МБ
Архитектура
v8 · dense
Библиотека
ultralytics
Опубликована
30 янв 2023

yolov8m-shoe-classification

Классификация изображенийИзображение → label3 профессии

Модель YOLOv8 классифицирует изображения обуви по брендам adidas, converse и nike.

953скачиваний за 30 дней2лайкавеса 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-shoe-classification — модель компьютерного зрения на архитектуре YOLOv8, опубликованная keremberke и предназначенная для классификации изображений обуви по бренду. Она различает три класса: adidas, converse и nike. Репозиторий содержит веса PyTorch и использует библиотеку Ultralytics; карточка указывает датасет keremberke/shoe-classification.

Модель подходит для автоматической сортировки фотографий обуви по этим трём брендам и для демонстрационных сценариев классификации изображений. Данных о размере модели, языках или лицензии в предоставленных источниках нет.

Сценарии применения

  • определение бренда обуви на фотографии
  • сортировка изображений обуви по брендам adidas, converse и nike
  • автоматическая маркировка фотографий обуви для каталога

Ограничения

Модель распознаёт только три заявленных бренда; качество на других марках и типах обуви не описано. Условия лицензии в предоставленной карточке не указаны.

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

['adidas', 'converse', 'nike']

How to use

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

# load model
model = YOLO('keremberke/yolov8m-shoe-classification')

# set model parameters
model.overrides['conf'] = 0.25  # model confidence threshold

# 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].probs) # [0.1, 0.2, 0.3, 0.4]
processed_result = postprocess_classify_output(model, result=results[0])
print(processed_result) # {"cat": 0.4, "dog": 0.6}

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
79827b5

0 моделей