/ Модель

Характеристики

Размер весов
22,5 МБ
Архитектура
v8 · dense
Библиотека
ultralytics
Опубликована
1 фев 2023

yolo-v8-football-players-detection

Поиск объектовИзображение → bounding_boxes3 профессии

YOLOv8-модель для обнаружения мяча, вратарей, игроков и судей на футбольных изображениях и видео.

431скачиваний за 30 дней9лайковвеса обновлены1 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

uisikdag/yolo-v8-football-players-detection — модель обнаружения объектов на основе YOLOv8, предназначенная для анализа футбольных изображений и видео. Она распознаёт четыре класса: мяч, вратарь, игрок и судья. Для запуска используется библиотека Ultralytics; веса представлены в формате PyTorch.

Модель подходит для автоматического поиска участников матча и мяча в кадрах, подготовки разметки и построения систем видеоаналитики футбольных матчей. Карточка не сообщает размер модели, поддерживаемые языки или условия лицензии.

Сценарии применения

  • поиск игроков и судей на кадрах футбольного матча
  • обнаружение мяча на футбольном поле
  • поиск вратаря в видеозаписи матча
  • автоматическая разметка футбольных изображений

Ограничения

Модель распознаёт только четыре указанных класса и предназначена для футбольных сцен; качество может зависеть от ракурса, разрешения и условий съёмки.

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

['ball', 'goalkeeper', 'player', 'referee']

How to use

pip install ultralyticsplus==0.0.25 ultralytics==8.0.25
  • Load model and perform prediction:
from ultralyticsplus import YOLO, render_result

# load model
model = YOLO('uisikdag/football_players_rf')

# 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
01c4d0e

0 моделей