/ Модель
Каталог

Характеристики

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

Ссылки

Hugging Face

yolov8n-hard-hat-detection

keremberke
Поиск объектовИзображение → bounding_boxes3 профессии

Модель YOLOv8 обнаруживает на изображениях объекты с каской и без неё для контроля средств индивидуальной защиты.

1 381скачиваний за 30 дней10лайковвеса 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-hard-hat-detection — модель компьютерного зрения на архитектуре YOLOv8, представленная автором keremberke. Она предназначена для обнаружения на изображениях людей или объектов с каской и без неё: поддерживаются классы Hardhat и NO-Hardhat. Модель можно применять для автоматического контроля использования касок на строительных площадках и в системах мониторинга охраны труда.

Модель работает с изображениями и выдаёт рамки обнаруженных объектов с метками классов. В репозитории указаны веса PyTorch и библиотека Ultralytics; модель связана с датасетом keremberke/hard-hat-detection. Карточка не сообщает размер модели, показатели качества или условия лицензии.

Сценарии применения

  • поиск касок на изображениях со строительной площадки
  • выявление людей без касок на объекте
  • автоматизация визуального контроля охраны труда
  • разметка изображений для мониторинга ношения касок

Ограничения

Результаты ограничены двумя классами: Hardhat и NO-Hardhat; точность и условия лицензии в доступных данных не описаны.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделейIV.8Отраслевые задачиГосударственное управление, правосудие и чрезвычайные ситуацииAI помогает улучшать государственные услуги, управление ресурсами, правосудие и реагирование на чрезвычайные ситуации.47 задач2 517моделейII.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

['Hardhat', 'NO-Hardhat']

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/yolov8n-hard-hat-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
287bafa

0 моделей

    Создать бенчмарк