Ultralytics YOLO
Ultralytics YOLO: ทดลอง inference บนไฟล์ของตน เปลี่ยน confidence แล้ววัด precision/recall พร้อมวิธีใช้ Windows/Linux และเงื่อนไขสิทธิ์
ทดลอง inference บนไฟล์ของตน เปลี่ยน confidence แล้ววัด precision/recall
Computer Vision และ Edge AI · AGPL/Enterprise
- Windows
- Windows: Python
- Linux
- Linux: Python
- สิทธิ์การใช้
- AGPL-3.0 · อ่านเงื่อนไขจากแหล่งต้นทาง
- ต่อยอดอุปกรณ์
- CPU/GPU / edge detector
- ตรวจแหล่งข้อมูล
- · ตรวจเอกสาร ยังไม่ได้ทดสอบรัน
ก่อนเริ่มทดลอง
ใช้ AGPL หรือข้อตกลง Enterprise ตามรูปแบบนำไปใช้; model weights และการรวมระบบต้องพิจารณาด้วย
GitHub เป็นแหล่งโค้ด ใช้คู่มือติดตั้งของโครงการก่อน หากมี binary หรือ package ให้เลือกตรงระบบ การกด Code → Download ZIP อาจไม่รวม submodules หรือข้อมูล Git LFS ที่จำเป็น
ตรวจใบอนุญาตของเวอร์ชันที่เลือก รวมถึง dependency, model weights และ dataset แยกกัน เงื่อนไขการใช้ซอฟต์แวร์ไม่ได้ครอบคลุมภาพและข้อมูลทุกชิ้นโดยอัตโนมัติ
โจทย์ที่ใช้เครื่องมือนี้
- ประเมินโมเดลตรวจจับภาพวัดความแม่นยำและ latency บน PC
ใช้ในรายวิชา
วิธีอ้างอิงหน้านี้
สถาบันโดรน มหาวิทยาลัยรังสิต. (2569). Ultralytics YOLO. ใน คลังความรู้หลักสูตร ทล.บ. เทคโนโลยีระบบอากาศยานไร้คนขับ. https://rsu-drt.pk-research.work/th/kb/resources/v02/