/ Модель

Характеристики

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

yolov8s-valorant-detection

Поиск объектовИзображение → bounding_boxes3 профессии

YOLOv8s для обнаружения противников, союзников и Spike на изображениях из Valorant.

1 057скачиваний за 30 дней1лайквеса 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-valorant-detection — модель компьютерного зрения на архитектуре YOLOv8s, опубликованная пользователем keremberke и предназначенная для обнаружения объектов в кадрах игры Valorant. Она обучена распознавать четыре класса: противника, союзника, установленный Spike и выпавший Spike. Модель использует библиотеку Ultralytics и доступна в формате PyTorch.

Модель подходит для анализа игровых скриншотов и видеокадров, например для поиска персонажей и Spike на изображении. Карточка приводит классы объектов и упоминает ultralyticsplus для использования, но не сообщает точный размер модели, метрики качества или условия лицензии.

Сценарии применения

  • поиск противников на кадрах Valorant
  • обнаружение союзников на игровом экране
  • определение установленного Spike
  • поиск выпавшего Spike на скриншоте
  • разметка игровых кадров ограничивающими рамками

Ограничения

Карточка не приводит метрики качества и сведения о лицензии. Модель распознаёт только четыре указанных игровых класса, поэтому другие объекты не заявлены как поддерживаемые.

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

['dropped spike', 'enemy', 'planted spike', 'teammate']

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-valorant-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
b710c5d

0 моделей