/ Модель

Характеристики

Размер весов
3 МБ
Архитектура
v8 · dense
Библиотека
ultralytics
Опубликована
29 янв 2023

yolov8n-shoe-classification

Классификация изображенийИзображение → label3 профессии

Модель YOLOv8 классифицирует изображения обуви по брендам adidas, Converse и Nike.

690скачиваний 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-shoe-classification — модель классификации изображений обуви на базе YOLOv8, опубликованная пользователем keremberke и работающая с библиотекой Ultralytics. Она относит изображение к одному из трёх классов брендов: adidas, converse или nike. Модель предназначена для распознавания этих брендов на изображениях обуви.

В репозитории указаны веса PyTorch и датасет keremberke/shoe-classification. Лицензия и сведения о размере модели в предоставленных данных отсутствуют.

Сценарии применения

  • определение бренда обуви на фотографии
  • сортировка изображений обуви по брендам
  • автоматическая разметка каталога обуви
  • поиск кроссовок Nike, Adidas или Converse по изображению

Ограничения

Распознаёт только три класса: adidas, converse и nike; качество на других брендах и типах изображений в предоставленных данных не описано.

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/yolov8n-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
df29dc4

0 моделей