Instructions to use Aleton/trafficlight with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- ultralytics
How to use Aleton/trafficlight with ultralytics:
from huggingface_hub import hf_hub_download from ultralytics import YOLO # pick the weights file from this repo's "Files and versions" tab weights = hf_hub_download("Aleton/trafficlight", "<weights>.pt") model = YOLO(weights) source = 'http://images.cocodataset.org/val2017/000000039769.jpg' model.predict(source=source, save=True) - Notebooks
- Google Colab
- Kaggle
|
Download README.md from Aleton/trafficlight: direct link, hf CLI and curl.
- Browser
- Download file 2.52 kB
-
https://huggingface.co/Aleton/trafficlight/resolve/main/README.md
- Command line
-
hf download hf://Aleton/trafficlight/README.md
-
curl -L -o README.md https://huggingface.co/Aleton/trafficlight/resolve/main/README.md
2.52 kB
metadata
license: mit
library_name: ultralytics
pipeline_tag: object-detection
🦓 Модель traficlight.pt — Обнаружение пешеходных светофоров для мобильных роботов
Модель traficlight.pt разработана для задачи обнаружения пешеходных светофоров с целью распознавания состояния сигнала — красного или зелёного.
Она основана на современной архитектуре YOLOv8 от Ultralytics и предназначена для применения в мобильных роботах, передвигающихся в городской среде.
🎯 Назначение
Модель ориентирована на использование в проектах мобильной робототехники и системах машинного зрения: 🔴🟢 Определение текущего сигнала светофора — красный или зелёный
⚙️ Характеристики
| Параметр | Значение |
|---|---|
| 📦 Архитектура | YOLOv8n |
| 📐 Количество слоёв | 129 (fused: 72) |
| 🧮 Параметров | 3,011,238 (fused: 3,006,038) |
| 🧠 Градиентов | 0 (модель в режиме инференса) |
| ⚙️ FLOPs | 8.2 GFLOPs (fused: 8.1 GFLOPs) |
| 🎯 Количество классов | 2 (цвета светофора) |
🚀 Пример использования
from ultralytics import YOLO
import cv2
# Загрузка модели
model = YOLO("traficlight.pt")
# Загрузка изображения
img = cv2.imread("frame.jpg")
# Предсказание
results = model(img)
# Отображение результата
results[0].show()

