scanracer/car-detection-yolov8

🚗 ScanRacer – Détection de Voitures (YOLOv8)

Ce modèle fait partie de l’écosystème ScanRacer AI, un ensemble de modèles de vision dédiés à la reconnaissance automobile, au filtrage d’images et au scan AR.

car-detection-yolov8 est un modèle de détection d’objets basé sur YOLOv8 entraîné pour détecter des voitures complètes dans une image, avec une grande précision et dans divers environnements (angles, éclairages, arrière‑plans).

---

🔥 Fonctionnalités

• Détection de voitures entières dans une image
• Sorties : boîtes englobantes et scores de confiance
• Architecture YOLOv8 (Ultralytics)
• Inférences rapides (mobile et serveur)
• Grande robustesse : vues de rue, photos de concessionnaires, salons auto, réseaux sociaux
• Alimente l’API ScanRacer
• Compatible avec les conversions CoreML / ONNX / TensorRT

---

🧠 Architecture du modèle

• Modèle de base : YOLOv8
• Tâche : détection d’objets
• Format : PyTorch .pt
• Taille d’entrée : 640×640
• Backbone : CSPDarknet (YOLOv8)
• Head : tête de détection multi‑échelles YOLOv8

---

🏁 Exemple de sortie

Lot d’entraînement :

---

📦 Fichiers contenus dans ce dépôt

best.pt           → poids du modèle  
data.yaml         → configuration du jeu de données  
train_batch0.jpg  → exemple d’image  
README.md         → cette fiche modèle  

---

🚀 Utilisation

🔧 Inférence (Python – Ultralytics)

from ultralytics import YOLO

model = YOLO("scanracer/car-detection-yolov8")

résultats = model("voiture.jpg")

for r in résultats:
    print(r.boxes)

---

🔫 Chargement via Hugging Face Hub

from huggingface_hub import hf_hub_download
from ultralytics import YOLO

poids = hf_hub_download("scanracer/car-detection-yolov8", "best.pt")
model = YOLO(poids)

model("image.jpg")

---

🌐 Utilisation via l’API ScanRacer (RapidAPI)

curl -X POST "https://ai-scanracer.p.rapidapi.com/identify-car" \
  -H "x-rapidapi-key: VOTRE_CLE" \
  -H "x-rapidapi-host: ai-scanracer.p.rapidapi.com" \
  -H "Content-Type: application/json" \
  -d '{"image_url":"https://example.com/voiture.jpg","top_k":1}'

---

📊 Données d’entraînement

Le modèle a été entraîné sur un jeu de données automobile créé pour le projet ScanRacer, comprenant :

• photos multi‑marques et multi‑modèles
• images issues des réseaux sociaux
• photos de concessionnaires
• vues de type street‑view
• variations jour et nuit

Le jeu de données reste privé.

---

⚠️ Limitations

• Les véhicules très petits ou fortement occultés peuvent ne pas être détectés
• Fonctionne mieux quand au moins 70 % de la voiture est visible
• Ne convient pas pour :
  • les pièces détachées
  • l’intérieur des véhicules
  • les roues
  • les phares
    (Pour cela, utilisez les modèles AutoFilter et CarPartDetector.)

---

❤️ À propos de ScanRacer AI

ScanRacer développe des modèles de vision avancés pour :

• la reconnaissance de véhicules
• le scan AR
• la génération de jeux de données
• l’analyse automobile

Site web : https://kd367.fr
D’autres modèles arrivent bientôt ! 🚀