🃏 Playing Cards Recognition Model - YOLOv8

YOLOv8 ile eğitilmiş iskambil kartı tanıma modeli.

📊 Model Bilgileri

Model Tipi: YOLOv8n (nano)
Eğitim: Google Colab (T4 GPU)
Dataset: Roboflow Playing Cards Dataset
Epoch: 50
Eğitim Süresi: ~4.5 saat
Format: PyTorch (.pt)
Framework: Ultralytics YOLOv8

🚀 Kullanım

from ultralytics import YOLO

# Modeli yükle
model = YOLO('mustafakemal0146/playing-cards-yolov8')

# Tahmin yap
results = model('path/to/image.jpg')

# Sonuçları görselleştir
results[0].show()

# Sonuçları yazdır
for result in results:
    boxes = result.boxes
    for box in boxes:
        class_id = int(box.cls[0])
        confidence = float(box.conf[0])
        class_name = model.names[class_id]
        print(f"Kart: {class_name}, Güven: {confidence:.2f}")

📸 Örnek Görüntüler

_{📸 Örnek Görüntü 1}	_{📸 Örnek Görüntü 2}
_{📸 Örnek Görüntü 3}

📝 Detaylar

Model, Roboflow platformundaki Playing Cards dataset'i kullanılarak 50 epoch boyunca eğitilmiştir. Standart 52 kartlık iskambil destesindeki tüm kartları tanıyabilir.

Eğitim Parametreleri

Image Size: 640x640
Batch Size: 16
Optimizer: AdamW
Learning Rate: 0.01
Patience: 10

🔗 İlgili Proje

Flask web uygulaması: https://github.com/MustafaKemal0146/kart-tanima

📄 Lisans

MIT License

🙏 Teşekkürler

Ultralytics - YOLOv8 için
Roboflow - Dataset platformu için

Downloads last month: 274