yolov8m-building-segmentation

项目介绍：yolov8m建筑分割

yolov8m-building-segmentation项目是一个基于YOLOv8版本的视觉图像分割应用。该项目旨在利用先进的YOLO（You Only Look Once）模型技术，从卫星图像中分割出建筑物。该项目使用了名为keremberke/satellite-building-segmentation的数据集进行训练和验证。

项目背景

项目背后的技术是由Ultralytics开发的YOLOv8模型。YOLO系列模型以其实时目标检测能力而享誉业界。本项目则特别关注图像分割任务，专注于从卫星影像中识别和分割建筑物。

数据集

项目使用的数据集是keremberke/satellite-building-segmentation。这是一个经过精心标注的卫星图像数据集，专门收集了各种建筑物的图像，用于训练和检验模型的分割效果。

模型性能

在使用相应的验证集进行测试后，该模型在精度（precision）上的表现如下：

• 在检测框（box）级别的mAP@0.5为0.62261。
• 在掩码（mask）级别的mAP@0.5为0.61275。

这些指标显示了该模型在定位和分割建筑物方面的良好性能。

使用指南

用户可以通过以下简单步骤使用该项目：

1. 安装Ultralyticsplus库： 用户需要先安装Ultralyticsplus库（版本0.0.21），这是模型运行所必需的依赖。

   pip install ultralyticsplus==0.0.21

2. 加载模型并进行预测： 使用Python代码加载yolov8m-building-segmentation模型并执行图像预测。以下是示例代码：

   from ultralyticsplus import YOLO, render_result
   
   # 加载模型
   model = YOLO('keremberke/yolov8m-building-segmentation')
   
   # 设置模型参数
   model.overrides['conf'] = 0.25  # NMS置信度阈值
   model.overrides['iou'] = 0.45  # NMS IoU阈值
   model.overrides['agnostic_nms'] = False  # 非类agnostic NMS
   model.overrides['max_det'] = 1000  # 每张图像的最大检测数
   
   # 设置图像
   image = 'https://github.com/ultralytics/yolov5/raw/master/data/images/zidane.jpg'
   
   # 执行推理
   results = model.predict(image)
   
   # 查看结果
   print(results[0].boxes)
   print(results[0].masks)
   render = render_result(model=model, image=image, result=results[0])
   render.show()

支持的标签

该项目的分割任务当前支持的标签为“Building”。

更多模型

用户还可以在awesome-yolov8-models网站上找到其他优秀的YOLOv8模型。项目无疑为各种计算机视觉应用提供了一个有力的工具，特别是需要在大规模卫星图像中进行建筑物检测和分割的场景。