/ Модель

Характеристики

Размер весов
22,5 МБ
Архитектура
v8 · dense
Библиотека
ultralytics
Опубликована
29 янв 2023

yolov8s-csgo-player-detection

Поиск объектовИзображение → bounding_boxes3 профессии

YOLOv8s обнаруживает игроков и их головы на кадрах Counter-Strike: Global Offensive, различая команды CT и T.

716скачиваний 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/yolov8s-csgo-player-detection — модель обнаружения объектов на основе YOLOv8s, опубликованная пользователем keremberke и рассчитанная на поиск игроков в Counter-Strike: Global Offensive. Она использует библиотеку Ultralytics и веса в формате PyTorch. Модель определяет четыре класса: контртеррорист, террорист и соответствующие им головы.

Модель подходит для обнаружения и подсчёта игроков на игровых кадрах, а также для анализа игрового видео покадрово. README содержит краткие сведения о метках и использовании через ultralyticsplus; датасет модели — keremberke/csgo-object-detection. Лицензия в предоставленных данных не указана.

Сценарии применения

  • обнаружение игроков CT и T на скриншотах CS:GO
  • поиск голов игроков на игровых кадрах
  • подсчёт игроков по командам на скриншоте
  • покадровый анализ записей матчей CS:GO

Ограничения

Модель распознаёт только четыре метки: ct, cthead, t и thead; её назначение ограничено сценами CS:GO. Лицензия в предоставленных данных не указана.

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

['ct', 'cthead', 't', 'thead']

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/yolov8s-csgo-player-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
faf3834

0 моделей