Futbol Detector v1
Modelo YOLOv8s entrenado para detectar jugadores, árbitros y balón en vídeos de fútbol profesional.
Model source
- Kind
- Other
- File size
- 21.5 MB
- Version
- vRevision 69d9244
- Updated
- Sep 16, 2026
- Downloads
- 0
- Tasks
- Object detection
- Source
- Hugging Face
Source description
Futbol Detector v1
Modelo YOLOv8s entrenado para detectar jugadores, árbitros y balón en vídeos de fútbol profesional.
Contexto
Este modelo forma parte del Trabajo de Fin de Grado titulado "Diseño de un sistema de asistencia al análisis táctico deportivo basado en procesamiento de imagen", desarrollado en el Grado en Ingeniería Informática de la Universidad Alfonso X el Sabio.
Dataset de entrenamiento
- Fuente: DFL Bundesliga Data Shootout (Kaggle)
- Imágenes etiquetadas: 152 (v1)
- Clases: ball, player, referee
- División: 85% entrenamiento, 15% validación
Resultados de validación
| Clase | Precisión | Recall | mAP50 |
|---|---|---|---|
| Jugador | 0.885 | 0.974 | 0.949 |
| Árbitro | 0.936 | 0.977 | 0.962 |
| Balón | 0.909 | 0.500 | 0.549 |
| Promedio | 0.910 | 0.817 | 0.820 |
Uso
from ultralytics import YOLO
from huggingface_hub import hf_hub_download
model_path = hf_hub_download(repo_id="hugosanchezgallego/futbol-detector-v1", filename="best.pt")
model = YOLO(model_path)
results = model("ruta/al/video.mp4")
Repositorio del proyecto
Sources
1 source
Sources
1 sourceVerified Sep 16
Model artifacts
1 artifact
Model artifacts
1 artifactSource excerpts
2 excerpts
Source excerpts
2 excerpts--- license: mit tags: - yolov8 - object-detection - football - soccer - sports-analytics --- # Futbol Detector v1 Modelo YOLOv8s entrenado para detectar jugadores, árbitros y balón en vídeos de fútbol profesional. ## Contexto Este modelo forma parte del Trabajo de Fin de Grado titulado *"Diseño de un sistema de asistencia al análisis táctico deportivo basado en procesamiento de imagen"*, desarrollado en el Grado en Ingeniería Informática de la Universidad Alfonso X el Sabio. ## Dataset de entrenamiento - **Fuente:** DFL Bundesliga Data Shootout (Kaggle) - **Imágenes etiquetadas:** 152 (v1) - **Clases:** ball, player, referee - **División:** 85% entrenamiento, 15% validación ## Resultados de validación | Clase | Precisión | Recall | mAP50 | |---|---|---|---| | Jugador | 0.885 | 0.974 | 0.949 | | Árbitro | 0.936 | 0.977 | 0.962 | | Balón | 0.909 | 0.500 | 0.549 | | Promedio | 0.910 | 0.817 | 0.820 | ## Uso ```python from ultralytics import YOLO from huggingface_hub import hf_hub_download model_path = hf_hub_download(repo_id="hugosanchezgallego/futbol-detector-v1", filename="best.pt") model = YOLO(model_path) results = model("ruta/al/video.mp4") ``` ## Repositorio del proyecto [https://github.com/HugoSanchezGallego/TFG](https://github.com/HugoSanchezGallego/TFG)
Source context: 0 downloads · 0 likes · Pipeline object-detection · Repo hugosanchezgallego/futbol-detector-v1
