YOLOv8物体検出追跡モデル
Piero2411
これはYOLOv8sアーキテクチャに基づく、バーコードとQRコードの検出に特化したコンピュータビジョンモデルです。このモデルは5000枚以上の画像を含む総合的なデータセットで微調整され、EAN13やCode128などの多種類のバーコードとQRコードの正確な検出と分類をサポートします。
Anzhc
YOLOv8/YOLO11アーキテクチャに基づく高速人種分類モデルで、FairFaceデータセットで訓練され、顔の人種分類タスクに使用されます。
yasirfaizahmed
YOLOv8フレームワークをファインチューニングしたナンバープレート検出モデルで、自動運転や交通監視シナリオに適しています
tech4humans
YOLOv8sをファインチューニングした手書き署名検出モデルで、ドキュメント画像内の署名位置特定に特化
Vara971
YOLOv8はUltralyticsが開発した効率的な物体検出モデルで、YOLO（You Only Look Once）アーキテクチャに基づいており、リアルタイム物体検出タスクに適しています。
Fuyucchi
YOLOv8ベースのアニメ顔検出モデルで、アニメ顔検出タスクで優れた性能を発揮
rgautroncgiar
YOLOv8ベースの物体検出モデルで、コーヒーチェリーを自動カウントし熟度を分類
TheCluster
CoreML形式に変換されたYOLOv8モデルで、Appleニューラルエンジン上で動作可能
Vombit
YOLOv8とYOLOv9に基づくオブジェクト検出モデルで、カウンターストライク2ゲーム内のプレイヤー検出専用に設計されています。
armvectores
YOLOv8ベースの物体検出モデルで、手書きテキスト内容の検出に特化
YOLOv8とYOLOv11アーキテクチャに基づいてトレーニングされた一連の物体検出と分割モデル、芸術画像処理に特化
Ultralytics
YOLOv8はUltralyticsが開発した最新世代の物体検出モデルで、以前のYOLOバージョンの成功を基に構築され、新機能と改良が導入され、性能と柔軟性がさらに向上しています。
linhcuem
YOLOv8ベースの物体検出モデルで、爆弾、箱、缶、フィルター、袋などの多様な物品を検出するために特化しています。
adityaeucloid
YOLOv8ベースの物体検出モデルで、請求書や領収書などのドキュメントから構造化情報を抽出するために特別に設計されています。
iarbel
YOLOv8sは、UltralyticsのYOLOv8アーキテクチャに基づく軽量な物体検出モデルで、リアルタイム物体検出タスクに適しています。
SHOU-ISD
YOLOv8ベースの物体検出モデルで、火災や煙のシーンを検出するために特別に設計されています。
ENOT-AutoDL
ENOT-AutoDLフレームワークで最適化されたYOLOv8sモデルで、VisDroneデータセットの目標検出タスク向けに設計されています。
pitangent-ds
熱画像から人体を検出するためのYOLOv8モデルで、疑似カラーおよびグレースケールの熱画像に適用可能
kittendev
YOLOv8mベースの物体検出モデルで、煙検出に特化しており、高い精度を有します。
arnabdhar
Aadhaarカードの主要テキストを検出するためのYOLOv8モデル
二段階検出によって微信QRコードの識別精度を向上させる小さなツールです。まずYOLOv8を使用してQRコードの位置を特定し、次に微信のオープンソースモデルで内容を抽出します。
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
