/ Модель

Характеристики

Размер весов
22,5 МБ
Лицензия
OpenRAIL
Архитектура
v8 · dense
Библиотека
ultralytics
Опубликована
29 мая 2023

yolov8s-visdrone

Поиск объектовИзображение → bounding_boxes3 профессии

YOLOv8s, дообученная для обнаружения людей и транспортных средств на изображениях с БПЛА.

713скачиваний за 30 дней8лайковвеса обновлены29 мая 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

mshamrai/yolov8s-visdrone — модель компьютерного зрения на архитектуре YOLOv8s, опубликованная пользователем mshamrai и предназначенная для обнаружения объектов на изображениях с БПЛА. Она обучена распознавать десять классов: пешеходов, людей, велосипеды, автомобили, фургоны, грузовики, трициклы, трициклы с навесом, автобусы и мотоциклы. Модель работает с библиотекой Ultralytics и представлена в формате PyTorch.

Модель подходит для анализа аэрофотоснимков и видеокадров с беспилотников, например для подсчёта людей и транспорта или мониторинга дорожной обстановки. Карточка указывает лицензию OpenRAIL. Размер модели, длина контекста и конкретные условия лицензии в доступных данных не раскрыты.

Сценарии применения

  • обнаружение пешеходов на снимках с дрона
  • поиск автомобилей и автобусов на аэрофотоснимках
  • подсчёт людей и транспорта в кадрах с БПЛА
  • мониторинг дорожной обстановки по видеокадрам с дрона

Ограничения

Модель распознаёт только десять перечисленных классов и ориентирована на изображения с БПЛА; качество на других типах изображений не подтверждено. Данных о метриках качества и ограничениях по разрешению или размеру входного изображения нет.

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

['pedestrian', 'people', 'bicycle', 'car', 'van', 'truck', 'tricycle', 'awning-tricycle', 'bus', 'motor']

How to use

pip install ultralyticsplus==0.0.28 ultralytics==8.0.43
  • Load model and perform prediction:
from ultralyticsplus import YOLO, render_result

# load model
model = YOLO('mshamrai/yolov8s-visdrone')

# 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()

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
996db9c

0 моделей