Zum Inhalt springen

Ultralytics YOLOv8 Modi

Ultralytics YOLO ├ľkosystem und Integrationen

Einf├╝hrung

Ultralytics YOLOv8 ist nicht einfach nur ein weiteres Objekterkennungsmodell, sondern ein vielseitiges Framework, das den gesamten Lebenszyklus von Machine-Learning-Modellen abdeckt - von der Dateneingabe und dem Modelltraining bis hin zur Validierung, dem Einsatz und der Verfolgung in der realen Welt. Jeder Modus dient einem bestimmten Zweck und wurde entwickelt, um dir die Flexibilit├Ąt und Effizienz zu bieten, die du f├╝r verschiedene Aufgaben und Anwendungsf├Ąlle brauchst.



Pass auf: Ultralytics Modi Tutorial: Trainieren, Validieren, Vorhersagen, Exportieren und Benchmarking.

Modi auf einen Blick

Um das Beste aus deinen Modellen herauszuholen, ist es wichtig, die verschiedenen Modi zu verstehen, die Ultralytics YOLOv8 unterst├╝tzt:

  • Trainingsmodus: Feinabstimmung deines Modells mit benutzerdefinierten oder vorgeladenen Datens├Ątzen.
  • Val-Modus: Ein Kontrollpunkt nach dem Training, um die Leistung des Modells zu ├╝berpr├╝fen.
  • Vorhersagemodus: Entfessle die Vorhersagekraft deines Modells auf realen Daten.
  • Exportmodus: Mache dein Modell in verschiedenen Formaten einsatzbereit.
  • Verfolgungsmodus: Erweitere dein Objekterkennungsmodell zu Echtzeit-Tracking-Anwendungen.
  • Benchmark-Modus: Analysiere die Geschwindigkeit und Genauigkeit deines Modells in verschiedenen Einsatzumgebungen.

Dieser umfassende Leitfaden soll dir einen ├ťberblick und praktische Einblicke in jeden Modus geben und dir helfen, das volle Potenzial von YOLOv8 zu nutzen.

Zug

Der Train-Modus wird f├╝r das Training eines YOLOv8 Modells auf einem benutzerdefinierten Datensatz verwendet. In diesem Modus wird das Modell mit dem angegebenen Datensatz und den Hyperparametern trainiert. Beim Training werden die Parameter des Modells so optimiert, dass es die Klassen und Positionen der Objekte in einem Bild genau vorhersagen kann.

Beispiele f├╝r Z├╝ge

Val

Der Val-Modus wird verwendet, um ein YOLOv8 Modell zu validieren, nachdem es trainiert worden ist. In diesem Modus wird das Modell anhand einer Validierungsmenge bewertet, um seine Genauigkeit und Generalisierungsleistung zu messen. In diesem Modus k├Ânnen die Hyperparameter des Modells angepasst werden, um seine Leistung zu verbessern.

Val Beispiele

Vorhersage

Der Modus "Vorhersage" wird verwendet, um mit einem trainierten YOLOv8 Modell Vorhersagen f├╝r neue Bilder oder Videos zu treffen. In diesem Modus wird das Modell aus einer Checkpoint-Datei geladen, und der Nutzer kann Bilder oder Videos zur Verf├╝gung stellen, um Schlussfolgerungen zu ziehen. Das Modell sagt die Klassen und Orte der Objekte in den eingegebenen Bildern oder Videos voraus.

Beispiele vorhersagen

exportieren

Der Exportmodus wird verwendet, um ein YOLOv8 Modell in ein Format zu exportieren, das f├╝r den Einsatz verwendet werden kann. In diesem Modus wird das Modell in ein Format umgewandelt, das von anderen Softwareanwendungen oder Hardwareger├Ąten verwendet werden kann. Dieser Modus ist n├╝tzlich, wenn das Modell in Produktionsumgebungen eingesetzt werden soll.

Beispiele exportieren

Track

Der Verfolgungsmodus wird f├╝r die Verfolgung von Objekten in Echtzeit mit einem YOLOv8 Modell verwendet. In diesem Modus wird das Modell aus einer Checkpoint-Datei geladen, und der Nutzer kann einen Live-Videostream bereitstellen, um eine Objektverfolgung in Echtzeit durchzuf├╝hren. Dieser Modus ist n├╝tzlich f├╝r Anwendungen wie ├ťberwachungssysteme oder selbstfahrende Autos.

Track Beispiele

Benchmark

Der Benchmark-Modus wird verwendet, um ein Profil der Geschwindigkeit und Genauigkeit verschiedener Exportformate f├╝r YOLOv8 zu erstellen. Die Benchmarks liefern Informationen ├╝ber die Gr├Â├če des exportierten Formats, seine mAP50-95 Metriken (f├╝r Objekterkennung, Segmentierung und Pose) oder accuracy_top5 Metriken (f├╝r die Klassifizierung) und die Inferenzzeit in Millisekunden pro Bild f├╝r verschiedene Exportformate wie ONNX, OpenVINO, TensorRT und andere. Diese Informationen k├Ânnen den Nutzern helfen, das optimale Exportformat f├╝r ihren speziellen Anwendungsfall zu w├Ąhlen, je nachdem, welche Anforderungen sie an Geschwindigkeit und Genauigkeit stellen.

Benchmark Beispiele



Erstellt am 2023-11-12, Aktualisiert am 2024-02-03
Autoren: glenn-jocher (4)

Kommentare