/ Модель
Каталог

Характеристики

Размер весов
6,7 МБ
Архитектура
v8 · dense
Библиотека
ultralytics
Опубликована
18 янв 2023

Ссылки

Hugging Face

yolov8n-building-segmentation

keremberke
Сегментация изображенийИзображение → mask3 профессии

YOLOv8-модель для выделения масками зданий на изображениях, в том числе спутниковых снимках.

818скачиваний 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/yolov8n-building-segmentation — модель компьютерного зрения на архитектуре YOLOv8 от автора keremberke, предназначенная для сегментации зданий на изображениях. Она выдаёт маски объектов класса Building и рассчитана на применение с библиотекой Ultralytics; репозиторий содержит веса PyTorch и связан с датасетом satellite-building-segmentation. Модель можно использовать для выделения зданий на спутниковых снимках и анализа застройки. Карточка указывает один поддерживаемый класс — Building. Условия лицензии в предоставленных данных не описаны.

Сценарии применения

  • сегментация зданий на спутниковых снимках
  • выделение контуров зданий на аэрофотоснимках
  • подготовка масок застройки для картографирования
  • подсчёт и анализ зданий на изображениях

Ограничения

Модель распознаёт только класс Building; качество на других типах изображений и в иных условиях не подтверждено предоставленной карточкой. Лицензия в доступных данных не приведена.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделейIV.8Отраслевые задачиГосударственное управление, правосудие и чрезвычайные ситуацииAI помогает улучшать государственные услуги, управление ресурсами, правосудие и реагирование на чрезвычайные ситуации.47 задач2 517моделейII.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

['Building']

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/yolov8n-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
eb61328

0 моделей

    Создать бенчмарк