Hugging Face's logo

abned
/
yolo-v11-simulated-objects

Image Classification
Model card Files
xet
Community
1
abned commited on
Commit
aa7e928
路
verified 路
1 Parent(s): 4ccd2be

Update README.md (#1)

Browse files

- Update README.md (db497800dcb0fe5a381f9e2df04cefc23aa4c284)

Files changed (1) hide show
  1. README.md +2 -1
README.md CHANGED
@@ -9,6 +9,7 @@ pipeline_tag: image-classification
9
  ## Model Description
10
  Este modelo fue entrenado utilizando **YOLO v11** para la detecci贸n de 20 clases de objetos en im谩genes. El conjunto de datos incluye stickers simulados de objetos como "apple", "backpack", "ball", entre otros, para ayudar en el aprendizaje de robots en tareas de visi贸n artificial.
11
 
 
12
  Este modelo tiene el prop贸sito de actuar como un **Vision-Language Model (VLM)**, lo que significa que puede aprender simult谩neamente de im谩genes y texto. Los VLM son modelos que pueden abordar m煤ltiples tareas, desde la respuesta a preguntas visuales hasta la generaci贸n de descripciones de im谩genes. Este modelo est谩 dise帽ado para ser un **Vision-Language Assistant (VLA)**, con el objetivo de poder interactuar con robots, solicitando tareas y comandos en lenguaje natural que el robot podr谩 ejecutar.
13
 
14
  ## How It Works
@@ -41,5 +42,5 @@ Este modelo fue entrenado utilizando **YOLO v11**, una versi贸n de la famosa arq
41
  ## Colab Example
42
  Puedes probar el modelo directamente en Google Colab:
43
 
44
- [Try it out on Colab](https://colab.research.google.com/)
45
  ![Colab](https://colab.research.google.com/img/colab_favicon.ico)
 
9
  ## Model Description
10
  Este modelo fue entrenado utilizando **YOLO v11** para la detecci贸n de 20 clases de objetos en im谩genes. El conjunto de datos incluye stickers simulados de objetos como "apple", "backpack", "ball", entre otros, para ayudar en el aprendizaje de robots en tareas de visi贸n artificial.
11
 
12
+ ![image/png](https://cdn-uploads.huggingface.co/production/uploads/675093234a066a0054145cc5/3Z2Rees7zVxyMAMgNPYVL.png)
13
  Este modelo tiene el prop贸sito de actuar como un **Vision-Language Model (VLM)**, lo que significa que puede aprender simult谩neamente de im谩genes y texto. Los VLM son modelos que pueden abordar m煤ltiples tareas, desde la respuesta a preguntas visuales hasta la generaci贸n de descripciones de im谩genes. Este modelo est谩 dise帽ado para ser un **Vision-Language Assistant (VLA)**, con el objetivo de poder interactuar con robots, solicitando tareas y comandos en lenguaje natural que el robot podr谩 ejecutar.
14
 
15
  ## How It Works
 
42
  ## Colab Example
43
  Puedes probar el modelo directamente en Google Colab:
44
 
45
+ [Try it out on Colab](https://drive.google.com/file/d/15kYZonoBbLIuBZCUzsYNs-__nV0Xr0Mj/view?usp=sharing)
46
  ![Colab](https://colab.research.google.com/img/colab_favicon.ico)