ayssag/BallnetPose

Ballnet Pose

Detecção de objetos de interesse em uma partida de futebol de robôs na categoria Very Small Size.

Rede neural especializada em detectar objetos de interesse em uma partida de futebol de robôs Very Small Size.

Descrição

Consiste em um modelo YOLOv8 treinado em uma base de dados extraída de partidas disputadas pela UnBall na IRONCup 2020. Os objetos detectados são: robôs com a camisa da UnBall, tanto a amarela, quanto a azul; e a bola.

Identificadores

ID	Objeto	Imagem
0	Robô 0
1	Robô 1
2	Robô 2
3	Bola

Ambiente de execução

Pacote	Versão
python	3.12.3
torch	2.5.1
torchvision	0.20.1
ultralytics	8.3.61

🚨 Recomenda-se a utilização de uma GPU - Graphics Processing Unit - para executar o script.

Exemplo

Script

from detect import *

detector = BallnetPose()
path = "imgs"
locations = detector.detect(path)

Saída esperada

[
  Detection(
    robots=[
      Robot(id=1.0, center_x=99.5, center_y=600.5, orientation=49.86451443776053),
      Robot(id=2.0, center_x=559.5, center_y=419.0, orientation=45.76389846093002),
      Robot(id=0.0, center_x=60.0, center_y=603.0, orientation=50.19442890773479)
    ],
    ball=Ball(center_x=192.0, center_y=393.0)
  ),
  Detection(
    robots=[
      Robot(id=1.0, center_x=471.5, center_y=441.0, orientation=49.93921554212619),
      Robot(id=2.0, center_x=113.0, center_y=246.5, orientation=51.34019174590992),
      Robot(id=0.0, center_x=379.0, center_y=444.5, orientation=49.89909245378777)
    ],
    ball=Ball(center_x=436.5, center_y=468.0)
  )
]

O resultado esperado é uma lista de objetos Detection (tupla nomeada) composta por objetos Robot e Ball. Os objetos Robot possuem as propriedades: id, center_x, center_y, orientation; já os objetos Ball possuem apenas center_x e center_y.