eval

Étoiles89

Forks12

Mis à jour5 février 2026 à 22:08

Evaluate trained YOLO model accuracy with mAP metrics and per-class error analysis. Identifies failure cases for targeted improvement. Use after training.

Installation

Installer avec Codex ou Claude Copiez ce prompt, collez-le dans Codex, Claude ou un autre assistant, puis laissez-le vérifier la page du skill et l'installer pour vous.

Exécuter dans Manus

Source

qtzx06

qtzx06/yolodex

Ouvrir le dépôt GitHub Voir les dépôts du créateur

Téléchargement

Exécuter dans Manus

Métiers associésSOC

Basé sur la classification professionnelle SOC

Développeurs de logicielsProfessions informatiques et mathématiques·SOC 15-1252

Explorateur de fichiers

3 fichiers

SKILL.md

readonly

name	eval
description	Evaluate trained YOLO model accuracy with mAP metrics and per-class error analysis. Identifies failure cases for targeted improvement. Use after training.

Instructions

Read config.json for output_dir, target_accuracy
Run: uv run .agents/skills/eval/scripts/run.py
Outputs: output/eval_results.json with mAP, precision, recall, per-class breakdown

Plus depuis ce dépôt

même dépôt

collect

qtzx06/yolodex

Download YouTube videos and extract frames using yt-dlp and ffmpeg for YOLO training data. Use when you need to gather frames from a video URL.

2026-02-0589

label

qtzx06/yolodex

Auto-label frames with bounding boxes. Supports four modes — CUA+SAM (best accuracy, OpenAI CUA clicks + SAM segmentation), Gemini (native bbox detection), GPT vision (API fallback), or Codex vision subagents (no API keys). Parallel dispatch via git worktrees. Use after collecting frames.

2026-02-0589

yolodex

qtzx06/yolodex

Train a custom YOLO object detection model from any YouTube gameplay video. Provide a video URL and target classes, and this skill handles the entire pipeline autonomously — frame extraction, AI-powered labeling, data augmentation, training, and evaluation with iterative improvement.

2026-02-0589

augment

qtzx06/yolodex

Generate synthetic training data variations using image transforms. Increases dataset diversity with flips, brightness jitter, and noise. Use after labeling.

2026-02-0589

train

qtzx06/yolodex

Train a YOLO model on labeled dataset using ultralytics. Splits data into train/val, generates dataset.yaml, and produces trained weights. Use after labeling and augmenting.

2026-02-0589

Exécutez n'importe quel Skill en un clic