اقتصاص الكائنات باستخدام Ultralytics YOLO11

ما هو اقتصاص الكائن؟

اقتصاص الكائنات باستخدام Ultralytics YOLO11 يتضمن عزل واستخراج كائنات محددة مكتشفة من صورة أو فيديو. يتم استخدام إمكانيات نموذج YOLO11 لتحديد الأجسام وتحديدها بدقة، مما يتيح الاقتصاص الدقيق لإجراء مزيد من التحليل أو المعالجة.

شاهد: اقتصاص الكائنات باستخدام Ultralytics YOLO

مزايا اقتصاص الكائنات

• التحليل المُركّز: YOLO11 يسهّل التحليل المُركّز: اقتصاص العناصر المستهدفة، مما يسمح بفحص أو معالجة متعمقة للعناصر الفردية داخل المشهد.
• تقليل حجم البيانات: من خلال استخراج الكائنات ذات الصلة فقط، يساعد اقتصاص الكائنات في تقليل حجم البيانات، مما يجعلها فعالة للتخزين أو النقل أو المهام الحسابية اللاحقة.
• دقة محسّنة: تضمن دقة الكشف عن الأجسام في YOLO11 أن تحافظ الأجسام التي تم اقتصاصها على علاقاتها المكانية، مما يحافظ على سلامة المعلومات المرئية للتحليل التفصيلي.

المرئيات

أمتعة المطار
اقتصاص الحقائب في الحزام الناقل بالمطار باستخدام Ultralytics YOLO11

# Crop the objects
yolo solutions crop show=True

# Pass a source video
yolo solutions crop source="path/to/video.mp4"

# Crop specific classes
yolo solutions crop classes="[0, 2]"

import cv2

from ultralytics import solutions

cap = cv2.VideoCapture("path/to/video.mp4")
assert cap.isOpened(), "Error reading video file"

# Initialize object cropper object
cropper = solutions.ObjectCropper(
    show=True,  # display the output
    model="yolo11n.pt",  # model for object cropping i.e yolo11x.pt.
    classes=[0, 2],  # crop specific classes i.e. person and car with COCO pretrained model.
    # conf=0.5,  # adjust confidence threshold for the objects.
    # crop_dir="cropped-detections",  # set the directory name for cropped detections
)

# Process video
while cap.isOpened():
    success, im0 = cap.read()

    if not success:
        print("Video frame is empty or processing is complete.")
        break

    results = cropper(im0)

    # print(results)  # access the output

cap.release()
cv2.destroyAllWindows()  # destroy all opened windows

ObjectCropper الحجج

إليك الجدول الذي يحتوي على ObjectCropper الحجج

علاوة على ذلك، تتوفر وسائط التصور التالية للاستخدام:

الأسئلة الشائعة

ما هو اقتصاص الكائنات في Ultralytics YOLO11 وكيف يعمل؟

اقتصاص الكائنات باستخدام Ultralytics YOLO11 يتضمن عزل واستخراج كائنات محددة من صورة أو مقطع فيديو استنادًا إلى قدرات الكشف YOLO11. تسمح هذه العملية بإجراء تحليل مركّز وتقليل حجم البيانات وتعزيز الدقة من خلال الاستفادة من YOLO11 لتحديد الأجسام بدقة عالية واقتصاصها وفقًا لذلك. للحصول على برنامج تعليمي متعمق، راجع مثال اقتصاص الكائنات.

لماذا يجب استخدام Ultralytics YOLO11 لاقتصاص الكائنات بدلاً من الحلول الأخرى؟

يتميزYOLO11 Ultralytics YOLO11 بالدقة والسرعة وسهولة الاستخدام. فهو يسمح باكتشاف الكائنات واقتصاصها بشكل مفصّل ودقيق، وهو أمر ضروري للتحليل المركّز والتطبيقات التي تحتاج إلى تكامل عالٍ للبيانات. علاوة على ذلك، يتكامل YOLO11 بسلاسة مع أدوات مثل OpenVINO و TensorRT لعمليات النشر التي تتطلب قدرات في الوقت الفعلي والتحسين على أجهزة متنوعة. استكشف الفوائد في الدليل الخاص بتصدير النماذج.

كيف يمكنني تقليل حجم بيانات مجموعة البيانات الخاصة بي باستخدام اقتصاص الكائنات؟

من خلال استخدام Ultralytics YOLO11 لاقتصاص الكائنات ذات الصلة فقط من الصور أو مقاطع الفيديو الخاصة بك، يمكنك تقليل حجم البيانات بشكل كبير، مما يجعلها أكثر كفاءة للتخزين والمعالجة. تتضمن هذه العملية تدريب النموذج على اكتشاف كائنات محددة ثم استخدام النتائج لاقتصاص هذه الأجزاء وحفظها فقط. لمزيد من المعلومات حول استغلال إمكانيات Ultralytics YOLO11 ، تفضل بزيارة دليل البدء السريع.

هل يمكنني استخدام Ultralytics YOLO11 لتحليل الفيديو في الوقت الفعلي واقتصاص الأجسام؟

نعم، يمكن لنموذج Ultralytics YOLO11 معالجة موجزات الفيديو في الوقت الفعلي لاكتشاف الأجسام واقتصاصها ديناميكيًا. إن قدرات الاستدلال عالية السرعة التي يتمتع بها النموذج تجعله مثاليًا للتطبيقات في الوقت الفعلي مثل المراقبة والتحليل الرياضي وأنظمة الفحص الآلي. راجع أوضاع التتبع والتنبؤ لفهم كيفية تنفيذ المعالجة في الوقت الحقيقي.

ما هي متطلبات الأجهزة اللازمة لتشغيل YOLO11 بكفاءة في اقتصاص الكائنات؟

تم تحسين Ultralytics YOLO11 لكلٍ من بيئات CPU GPU ولكن لتحقيق الأداء الأمثل، خاصةً للاستدلال في الوقت الحقيقي أو الاستدلال بكميات كبيرة، يوصى باستخدام GPU مخصصة (مثل NVIDIA Tesla، سلسلة RTX). للنشر على أجهزة خفيفة الوزن، ضع في اعتبارك استخدام CoreMLiOS أو TFLite لنظام Android. يمكن الاطلاع على مزيد من التفاصيل حول الأجهزة والتنسيقات المدعومة في خيارات نشر النماذج الخاصة بنا.

📅 تم إنشاؤها منذ 1 سنة مضت ✏️ تم التحديث منذ 5 أيام

التعليقات