/ Модель

Характеристики

Размер весов
6,2 МБ
Архитектура
v8 · dense
Библиотека
ultralytics
Опубликована
15 янв 2023

yolov8n-forklift-detection

Поиск объектовИзображение → bounding_boxes3 профессии

YOLOv8-модель для обнаружения погрузчиков и людей на изображениях, например для мониторинга складских зон.

865скачиваний за 30 дней3лайкавеса 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-forklift-detection — модель компьютерного зрения на архитектуре YOLOv8, опубликованная под именем Keremberke и предназначенная для обнаружения погрузчиков и людей на изображениях. Она использует библиотеку Ultralytics и формат PyTorch; карточка указывает классы forklift и person и датасет keremberke/forklift-object-detection. Модель подходит для мониторинга складских и производственных зон, где нужно находить погрузчики и людей в кадре. Сведения о размере модели и лицензии в доступных данных отсутствуют.

Сценарии применения

  • Обнаружение погрузчиков на изображениях склада
  • Обнаружение людей в кадре складской камеры
  • Поиск погрузчиков и людей на производственных снимках

Ограничения

Модель распознаёт только классы forklift и person, указанные в карточке. Данных о метриках качества и лицензии в предоставленных материалах нет.

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

['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/yolov8n-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
d8b594f

0 моделей