انتقل إلى المحتوى

تجزئة المثيل والتتبع باستخدام Ultralytics YOLOv8 🚀

ما هو تجزئة المثيل؟

Ultralytics YOLOv8 يتضمن تجزئة المثيل تحديد الكائنات الفردية وتحديدها في صورة ، مما يوفر فهما مفصلا للتوزيع المكاني. على عكس التجزئة الدلالية ، فإنه يقوم بتسمية كل كائن وتحديده بدقة بشكل فريد ، وهو أمر بالغ الأهمية لمهام مثل اكتشاف الأشياء والتصوير الطبي.

هناك نوعان من تتبع تجزئة المثيل المتاحين في Ultralytics حزمة:

  • تجزئة المثيل مع كائنات الفئة: يتم تعيين لون فريد لكل كائن فئة لفصل مرئي واضح.

  • تجزئة المثيل مع مسارات الكائن: يتم تمثيل كل مسار بلون مميز ، مما يسهل التعرف عليه وتتبعه بسهولة.



شاهد: تجزئة المثيل باستخدام تعقب الكائن باستخدام Ultralytics YOLOv8

العينات

تجزئة المثيل تجزئة المثيل + تتبع الكائن
Ultralytics تجزئة المثيل Ultralytics تجزئة المثيل مع تعقب الكائن
Ultralytics تجزئة 😍 المثيل Ultralytics تجزئة المثيل مع تعقب 🔥 الكائن

تجزئة المثيل وتتبعه

import cv2
from ultralytics import YOLO
from ultralytics.utils.plotting import Annotator, colors

model = YOLO("yolov8n-seg.pt")  # segmentation model
names = model.model.names
cap = cv2.VideoCapture("path/to/video/file.mp4")
w, h, fps = (int(cap.get(x)) for x in (cv2.CAP_PROP_FRAME_WIDTH, cv2.CAP_PROP_FRAME_HEIGHT, cv2.CAP_PROP_FPS))

out = cv2.VideoWriter('instance-segmentation.avi', cv2.VideoWriter_fourcc(*'MJPG'), fps, (w, h))

while True:
    ret, im0 = cap.read()
    if not ret:
        print("Video frame is empty or video processing has been successfully completed.")
        break

    results = model.predict(im0)
    annotator = Annotator(im0, line_width=2)

    if results[0].masks is not None:
        clss = results[0].boxes.cls.cpu().tolist()
        masks = results[0].masks.xy
        for mask, cls in zip(masks, clss):
            annotator.seg_bbox(mask=mask,
                               mask_color=colors(int(cls), True),
                               det_label=names[int(cls)])

    out.write(im0)
    cv2.imshow("instance-segmentation", im0)

    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

out.release()
cap.release()
cv2.destroyAllWindows()
import cv2
from ultralytics import YOLO
from ultralytics.utils.plotting import Annotator, colors

from collections import defaultdict

track_history = defaultdict(lambda: [])

model = YOLO("yolov8n-seg.pt")   # segmentation model
cap = cv2.VideoCapture("path/to/video/file.mp4")
w, h, fps = (int(cap.get(x)) for x in (cv2.CAP_PROP_FRAME_WIDTH, cv2.CAP_PROP_FRAME_HEIGHT, cv2.CAP_PROP_FPS))

out = cv2.VideoWriter('instance-segmentation-object-tracking.avi', cv2.VideoWriter_fourcc(*'MJPG'), fps, (w, h))

while True:
    ret, im0 = cap.read()
    if not ret:
        print("Video frame is empty or video processing has been successfully completed.")
        break

    annotator = Annotator(im0, line_width=2)

    results = model.track(im0, persist=True)

    if results[0].boxes.id is not None and results[0].masks is not None:
        masks = results[0].masks.xy
        track_ids = results[0].boxes.id.int().cpu().tolist()

        for mask, track_id in zip(masks, track_ids):
            annotator.seg_bbox(mask=mask,
                               mask_color=colors(track_id, True),
                               track_label=str(track_id))

    out.write(im0)
    cv2.imshow("instance-segmentation-object-tracking", im0)

    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

out.release()
cap.release()
cv2.destroyAllWindows()

seg_bbox الحجج

اسم نوع افتراضي وصف
mask array None إحداثيات قناع التجزئة
mask_color tuple (255, 0, 255) لون قناع لكل صندوق مجزأ
det_label str None تسمية للكائن المجزأ
track_label str None تسمية للكائن المجزأ والمتعقب

ملاحظه

لأية استفسارات ، لا تتردد في نشر أسئلتك في Ultralytics قسم المشكلة أو قسم المناقشة المذكور أدناه.



تم إنشاء 2023-12-18, اخر تحديث 2024-03-01
المؤلفون: chr043416@gmail.com (2) ، جلين جوشر (5)

التعليقات