/ Модель

Характеристики

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

yolov8n-plane-detection

Поиск объектовИзображение → bounding_boxes3 профессии

Модель YOLOv8 для обнаружения самолётов на изображениях и видеокадрах.

689скачиваний 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/yolov8n-plane-detection — модель компьютерного зрения для обнаружения самолётов на изображениях. Она построена на архитектуре YOLOv8 и предназначена для поиска объектов класса planes; карточка указывает использование библиотеки Ultralytics и весов PyTorch. Модель подходит для анализа снимков и видеокадров, где нужно найти самолёты и определить их расположение.

Карточка связывает модель с набором данных keremberke/plane-detection. Сведений о размере модели, точности, поддерживаемых языках или условиях лицензии в предоставленных источниках нет.

Сценарии применения

  • поиск самолётов на аэрофотоснимках
  • обнаружение самолётов на кадрах наблюдения
  • анализ изображений для подсчёта самолётов
  • локализация самолётов на снимках

Ограничения

Модель обучена распознавать только класс planes, поэтому её нельзя считать универсальным детектором объектов. Метрики качества и условия лицензии в предоставленных источниках не описаны.

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

['planes']

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-plane-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
1e6bc68

0 моделей