Zum Inhalt springen

Umfassende Tutorials zu Ultralytics YOLO

Willkommen bei den Ultralytics' YOLO 🚀 Guides! Unsere umfassenden Tutorials behandeln verschiedene Aspekte des YOLO Objekterkennungsmodells, vom Training ĂŒber die Vorhersage bis zum Einsatz. YOLO basiert auf PyTorch und zeichnet sich durch seine außergewöhnliche Geschwindigkeit und Genauigkeit bei der Objekterkennung in Echtzeit aus.

Egal, ob du ein AnfĂ€nger oder ein Experte im Bereich Deep Learning bist, unsere Tutorials bieten dir wertvolle Einblicke in die Implementierung und Optimierung von YOLO fĂŒr deine Computer Vision Projekte. Lass uns eintauchen!



Pass auf: Ultralytics YOLOv8 Guides Übersicht

LeitfÀden

Hier ist eine Zusammenstellung von ausfĂŒhrlichen Anleitungen, die dir helfen, verschiedene Aspekte von Ultralytics YOLO zu meistern.

  • YOLO HĂ€ufige Probleme ⭐ EMPFOHLEN: Praktische Lösungen und Tipps zur Fehlerbehebung fĂŒr die am hĂ€ufigsten auftretenden Probleme bei der Arbeit mit Ultralytics YOLO Modellen.
  • YOLO Leistungsmetriken ⭐ ESSENTIAL: Verstehe die wichtigsten Metriken wie mAP, IoU und F1-Score, die zur Bewertung der Leistung deiner YOLO Modelle verwendet werden. EnthĂ€lt praktische Beispiele und Tipps, wie du die Erkennungsgenauigkeit und -geschwindigkeit verbessern kannst.
  • Optionen fĂŒr die Modellbereitstellung: Überblick ĂŒber die Einsatzformate des YOLO Modells wie ONNX, OpenVINO und TensorRT, mit den jeweiligen Vor- und Nachteilen fĂŒr deine Einsatzstrategie.
  • K-Fold Cross Validation 🚀 NEU: Lerne, wie du die Modellgeneralisierung mit der K-Fold Cross Validation Technik verbessern kannst.
  • Hyperparameter-Tuning 🚀 NEU: Entdecke, wie du deine YOLO Modelle durch die Feinabstimmung von Hyperparametern mit der Tuner-Klasse und genetischen Evolutionsalgorithmen optimieren kannst.
  • SAHI Tiled Inference 🚀 NEU: Umfassende Anleitung zur Nutzung der SAHI Sliced Inference-Funktionen mit YOLOv8 fĂŒr die Objekterkennung in hochauflösenden Bildern.
  • AzureML Quickstart 🚀 NEU: Mach dich mit Ultralytics YOLO Modellen auf Microsofts Azure Machine Learning Plattform startklar. Lerne, wie du deine Objekterkennungsprojekte in der Cloud trainierst, einsetzt und skalierst.
  • Conda Quickstart 🚀 NEU: Schritt-fĂŒr-Schritt-Anleitung zum Einrichten einer Conda-Umgebung fĂŒr Ultralytics. Hier erfĂ€hrst du, wie du das Paket Ultralytics mit Conda installieren und effizient nutzen kannst.
  • Docker Quickstart 🚀 NEU: VollstĂ€ndige Anleitung zum Einrichten und Verwenden von Ultralytics YOLO Modellen mit Docker. Erfahre, wie du Docker installierst, die GPU-UnterstĂŒtzung verwaltest und YOLO Modelle in isolierten Containern ausfĂŒhrst, um eine konsistente Entwicklung und Bereitstellung zu gewĂ€hrleisten.
  • Raspberry Pi 🚀 NEU: Schnellstart-Tutorial, um YOLO Modelle auf die neueste Raspberry Pi Hardware zu bringen.
  • Triton Inference Server Integration 🚀 NEU: Tauche ein in die Integration von Ultralytics YOLOv8 mit NVIDIAs Triton Inference Server fĂŒr skalierbare und effiziente Deep Learning Inferenz-Implementierungen.
  • YOLO Thread-sichere Inferenz 🚀 NEU: Richtlinien fĂŒr die thread-sichere Inferenz mit YOLO Modellen. Erfahre, wie wichtig Thread-Sicherheit ist und wie du am besten vorgehst, um Race Conditions zu vermeiden und konsistente Vorhersagen zu gewĂ€hrleisten.
  • Isolierung von Segmentierungsobjekten 🚀 NEU: Schritt-fĂŒr-Schritt-Rezept und ErklĂ€rung, wie man mit Ultralytics Segmentierung Objekte aus Bildern extrahiert und/oder isoliert.
  • Edge TPU auf dem Raspberry Pi: Google Edge TPU beschleunigt YOLO Inferenz auf dem Raspberry Pi.

Real-World-Projekte

  • ObjektzĂ€hlung 🚀 NEU: Erforsche den Prozess der ObjektzĂ€hlung in Echtzeit mit Ultralytics YOLOv8 und erwerbe das Wissen, um effektiv Objekte in einem Live-Videostream zu zĂ€hlen.
  • Objektbeschneidung 🚀 NEU: Entdecke die Objektbeschneidung mit YOLOv8 fĂŒr die prĂ€zise Extraktion von Objekten aus Bildern und Videos.
  • ObjektunschĂ€rfe 🚀 NEU: Wende ObjektunschĂ€rfe mit YOLOv8 zum Schutz der PrivatsphĂ€re bei der Bild- und Videobearbeitung an.
  • Workouts Monitoring 🚀 NEU: Entdecke den umfassenden Ansatz zur Überwachung von Workouts mit Ultralytics YOLOv8 . Erwerbe die FĂ€higkeiten und Erkenntnisse, die du brauchst, um YOLOv8 effektiv fĂŒr die Verfolgung und Analyse verschiedener Aspekte von Fitnessroutinen in Echtzeit zu nutzen.
  • ZĂ€hlen von Objekten in Regionen 🚀 NEU: Entdecke das ZĂ€hlen von Objekten in bestimmten Regionen mit Ultralytics YOLOv8 fĂŒr eine prĂ€zise und effiziente Objekterkennung in unterschiedlichen Bereichen.
  • Sicherheitsalarmanlage 🚀 NEU: Entdecke den Prozess der Erstellung einer Sicherheitsalarmanlage mit Ultralytics YOLOv8 . Dieses System löst Alarme aus, wenn neue Objekte im Rahmen entdeckt werden. Anschließend kannst du den Code so anpassen, dass er zu deinem speziellen Anwendungsfall passt.
  • Heatmaps 🚀 NEU: Verbessere dein VerstĂ€ndnis von Daten mit unseren Detection Heatmaps! Diese intuitiven visuellen Werkzeuge verwenden lebendige FarbverlĂ€ufe, um die IntensitĂ€t der Datenwerte in einer Matrix anschaulich darzustellen. Heatmaps sind in der Computer Vision unverzichtbar. Sie heben interessante Bereiche hervor und bieten eine unmittelbare, eindrucksvolle Möglichkeit, rĂ€umliche Informationen zu interpretieren.
  • Instanzsegmentierung mit Objektverfolgung 🚀 NEU: Entdecke unser Feature zur Objektsegmentierung in Bounding Boxes Form, das eine visuelle Darstellung der genauen Objektgrenzen fĂŒr ein besseres VerstĂ€ndnis und eine bessere Analyse bietet.
  • VisionEye View Objects Mapping 🚀 NEU: Diese Funktion zielt darauf ab, dass Computer bestimmte Objekte erkennen und fokussieren, Ă€hnlich wie das menschliche Auge Details von einem bestimmten Blickwinkel aus betrachtet.
  • GeschwindigkeitsschĂ€tzung 🚀 NEU: Die GeschwindigkeitsschĂ€tzung in der Computer Vision beruht auf der Analyse von Objektbewegungen durch Techniken wie der Objektverfolgung, die fĂŒr Anwendungen wie autonome Fahrzeuge und VerkehrsĂŒberwachung entscheidend sind.
  • Abstandsberechnung 🚀 NEU: Die Abstandsberechnung, bei der der Abstand zwischen zwei Objekten in einem bestimmten Raum gemessen wird, ist ein wichtiger Aspekt. Im Rahmen von Ultralytics YOLOv8 wird der Schwerpunkt des Begrenzungsrahmens (Bounding Box) verwendet, um den Abstand zu den vom Benutzer hervorgehobenen Begrenzungsrahmen zu bestimmen.

Zu unseren LeitfÀden beitragen

Wir freuen uns ĂŒber BeitrĂ€ge aus der Community! Wenn du einen bestimmten Aspekt von Ultralytics YOLO beherrschst, der in unseren Anleitungen noch nicht behandelt wird, freuen wir uns, wenn du dein Wissen mit uns teilst. Das Schreiben eines Leitfadens ist eine gute Möglichkeit, der Gemeinschaft etwas zurĂŒckzugeben und uns dabei zu helfen, unsere Dokumentation noch umfassender und benutzerfreundlicher zu gestalten.

Um loszulegen, lies bitte unseren Contributing Guide, in dem du erfĂ€hrst, wie du einen Pull Request (PR) eröffnest đŸ› ïž. Wir freuen uns auf deine BeitrĂ€ge!

Lass uns gemeinsam daran arbeiten, das Ökosystem von Ultralytics YOLO robuster und vielseitiger zu machen 🙏!



Erstellt 2023-11-12, Aktualisiert 2024-02-12
Autoren: glenn-jocher (5), chr043416@gmail.com (6), RizwanMunawar (1), Burhan-Q (1), ouphi (1)

Kommentare