|
|
---
|
|
|
license: mit
|
|
|
---
|
|
|
tags:
|
|
|
- yolov8
|
|
|
- object-detection
|
|
|
- deep-learning
|
|
|
- computer-vision
|
|
|
- pretrained
|
|
|
---
|
|
|
|
|
|
# 📦 YOLOv8 - Modelo de Detección de Objetos
|
|
|
|
|
|
Este modelo está basado en **YOLOv8**, una de las arquitecturas más avanzadas para la detección en tiempo real de objetos en imágenes y vídeos. Está entrenado en un dataset de múltiples clases para reconocer una variedad de objetos con alta precisión.
|
|
|
|
|
|
---
|
|
|
|
|
|
## 🛠️ **Detalles Técnicos**
|
|
|
- **Arquitectura**: YOLOv8 (You Only Look Once)
|
|
|
- **Dataset**: Conjunto de datos etiquetado con objetos de diversas categorías.
|
|
|
- **Épocas de entrenamiento**: 600
|
|
|
- **Tamaño de imagen**: 640x640 px
|
|
|
- **Precisión final (mAP@50)**: 85% en validación
|
|
|
- **FPS en GPU**: ~45 en inferencia
|
|
|
|
|
|
---
|
|
|
|
|
|
## 🚀 **Uso del Modelo**
|
|
|
Puedes cargar el modelo y realizar predicciones con la librería `ultralytics`.
|
|
|
|
|
|
### **📸 Para Imágenes**
|
|
|
```python
|
|
|
import cv2
|
|
|
from ultralytics import YOLO
|
|
|
|
|
|
model = YOLO("izaskun/yolov8-object-detection")
|
|
|
cap = cv2.VideoCapture("video.mp4")
|
|
|
|
|
|
while cap.isOpened():
|
|
|
ret, frame = cap.read()
|
|
|
if not ret:
|
|
|
break
|
|
|
|
|
|
results = model.predict(frame)
|
|
|
annotated_frame = results[0].plot()
|
|
|
cv2.imshow("YOLOv8 - Detección en Vídeo", annotated_frame)
|
|
|
|
|
|
if cv2.waitKey(1) == ord('q'):
|
|
|
break
|
|
|
|
|
|
cap.release()
|
|
|
cv2.destroyAllWindows()
|
|
|
|
