/ Модель

Характеристики

Размер весов
22,5 МБ
Лицензия
AGPL 3.0
Архитектура
v8 · dense
Библиотека
ultralytics
Опубликована
29 янв 2023

yolov8s-plane-detection

Поиск объектовИзображение → bounding_boxes3 профессии

Детектор YOLOv8s для поиска и локализации самолётов на изображениях.

682скачиваний за 30 дней5лайковвеса обновлены23 мая 2024

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

Модель keremberke/yolov8s-plane-detection — детектор самолётов на базе архитектуры YOLOv8s, опубликованный Keremberke. Она предназначена для обнаружения самолётов на изображениях и возвращает рамки объектов с меткой planes. Модель доступна в формате PyTorch и рассчитана на использование с библиотекой Ultralytics.

Модель подходит для автоматического поиска самолётов на фотографиях и в кадрах наблюдения. Карточка указывает лицензию AGPL-3.0. Сведений о точности и ограничениях по типам изображений в карточке нет.

Сценарии применения

  • обнаружение самолётов на фотографиях
  • поиск самолётов на аэрофотоснимках
  • подсчёт самолётов на изображении
  • локализация самолётов в кадрах видеонаблюдения

Ограничения

Модель обучена распознавать класс planes; способность обнаруживать другие объекты не подтверждена. В README не приведены показатели качества или сведения о тестировании.

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/yolov8s-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
75b438e

0 моделей