FoodSeg103 YOLOv8 Segmentation — Multiclass v1
Modelo de segmentación de instancias entrenado con YOLOv8 sobre el dataset FoodSeg103 en modalidad multiclase.
Proyecto académico OndaAkin 2526 — Grupo 1.
Descripción
- Arquitectura: YOLOv8n-seg (Ultralytics)
- Dataset: FoodSeg103 (103 clases de alimentos)
- Tarea: Segmentación de instancias multiclase
- Framework: Ultralytics YOLOv8
Uso
from ultralytics import YOLO
model = YOLO("best.pt")
results = model.predict("imagen.jpg", conf=0.25, iou=0.45)
for r in results:
for box, mask, cls in zip(r.boxes, r.masks, r.boxes.cls):
print(f"Clase: {r.names[int(cls)]}")
Clases detectadas
El modelo detecta 103 categorías de alimentos del dataset FoodSeg103, incluyendo: asparagus, carrot, broccoli, corn, tomato, pizza, sushi, salad, rice, noodles, y muchas más.
Métricas de entrenamiento
Ver results.csv para métricas completas por época.
Archivos
| Archivo | Descripción |
|---|---|
weights/best.pt |
Pesos del mejor checkpoint |
args.yaml |
Configuración de entrenamiento |
results.csv |
Métricas por época |
Proyecto
Este modelo es parte del proyecto OndaAkin — sistema de análisis de imágenes de platos de restaurante
para segmentación y clasificación automática de alimentos.
- Rama:
feature/ia - Entrenado: marzo 2026
- Downloads last month
- 1