---
license: mit
tags:
- yolov8
- object-detection
- football
- soccer
- sports-analytics
---

# Futbol Detector v4 (1280px)

Modelo YOLOv8s entrenado a resolución 1280px para detectar jugadores, árbitros y balón en vídeos de fútbol profesional. Es el detector final del Trabajo de Fin de Grado tras una comparativa de cuatro modelos.

## Contexto

Forma parte del TFG *"Diseño de un sistema de asistencia al análisis táctico deportivo basado en procesamiento de imagen"* (Grado en Ingeniería Informática, Universidad Alfonso X el Sabio).

## Evolución de los modelos

El modelo es el resultado de un proceso iterativo de cuatro versiones, comparadas sobre un conjunto de test independiente:

| Modelo | Descripción | Balón | Jugador | Árbitro | mAP50 | FPS |
|---|---|---|---|---|---|---|
| v1 | 152 img, 640px | 0.398 | 0.893 | 0.143 | 0.478 | 79 |
| v2 | 743 img, 640px | 0.445 | 0.949 | 0.516 | 0.637 | 84 |
| v3 | 743 img + augmentation, 640px | 0.466 | 0.929 | 0.566 | 0.654 | 57 |
| **v4** | **743 img, 1280px** | **0.574** | **0.962** | **0.581** | **0.706** | 31 |

El v4 ofrece la mejor precisión en todas las clases, destacando la mejora en la detección del balón gracias a la mayor resolución.

## Clases

- ball (balón)
- player (jugador)
- referee (árbitro)

## Uso

```python
from ultralytics import YOLO
from huggingface_hub import hf_hub_download

model_path = hf_hub_download(repo_id="hugosanchezgallego/futbol-detector-v4", filename="best.pt")
model = YOLO(model_path)

results = model("ruta/al/video.mp4", imgsz=1280)
```

## Repositorio del proyecto

[https://github.com/HugoSanchezGallego/TFG](https://github.com/HugoSanchezGallego/TFG)