| | ---
|
| | language: zh
|
| | tags:
|
| | - computer-vision
|
| | - object-detection
|
| | - yolo
|
| | - pool-ball
|
| | license: mit
|
| | datasets:
|
| | - custom-pool-ball
|
| | metrics:
|
| | - mAP50
|
| | - mAP50-95
|
| | ---
|
| |
|
| | # Pool Ball Detector
|
| |
|
| | 這是一個基於 YOLOv8 的撞球檢測模型，用於識別和定位撞球。
|
| |
|
| | ## 模型詳情
|
| |
|
| | - 模型架構：YOLOv8n
|
| | - 訓練數據：自定義撞球數據集
|
| | - 訓練輪數：120 epochs
|
| | - 圖像大小：640x640
|
| | - 批次大小：128
|
| | - 設備：NVIDIA GeForce RTX 3060
|
| |
|
| | ## 性能指標
|
| |
|
| | - mAP50: 0.931
|
| | - mAP50-95: 0.581
|
| |
|
| | ## 使用方法
|
| |
|
| | ```python
|
| | from ultralytics import YOLO
|
| |
|
| | # 載入模型
|
| | model = YOLO('pool-ball-detector.pt')
|
| |
|
| | # 進行預測
|
| | results = model.predict('path/to/image.jpg')
|
| | ```
|
| |
|
| | ## 訓練細節
|
| |
|
| | - 使用 YOLOv8n 預訓練模型
|
| | - 使用自動混合精度訓練
|
| | - 使用早停策略
|
| | - 每 10 個 epoch 保存一次檢查點
|
| |
|
| | ## 數據集
|
| |
|
| | 自定義撞球數據集，包含：
|
| | - 訓練集：撞球圖像和對應的標註
|
| | - 驗證集：用於評估模型性能
|
| |
|
| | ## 限制
|
| |
|
| | - 模型僅針對撞球檢測進行訓練
|
| | - 在複雜背景或光線條件下可能表現不佳 |
