Saltar al contenido

Visi贸n general de los conjuntos de datos de seguimiento multiobjeto

Formato del conjunto de datos (pr贸ximamente)

El Detector Multiobjeto no necesita entrenamiento independiente y admite directamente modelos preentrenados de detecci贸n, segmentaci贸n o Pose. Pronto ser谩 compatible con el entrenamiento de rastreadores independientes

Utilizaci贸n

Ejemplo

from ultralytics import YOLO

model = YOLO("yolo11n.pt")
results = model.track(source="https://youtu.be/LNwODJXcvt4", conf=0.3, iou=0.5, show=True)
yolo track model=yolo11n.pt source="https://youtu.be/LNwODJXcvt4" conf=0.3, iou=0.5 show

PREGUNTAS FRECUENTES

驴C贸mo utilizo el Seguimiento Multiobjeto con Ultralytics YOLO ?

Para utilizar el Seguimiento multiobjeto con Ultralytics YOLO , puedes empezar utilizando los ejemplos proporcionados Python o CLI . As铆 es como puedes empezar:

Ejemplo

from ultralytics import YOLO

model = YOLO("yolo11n.pt")  # Load the YOLO11 model
results = model.track(source="https://youtu.be/LNwODJXcvt4", conf=0.3, iou=0.5, show=True)
yolo track model=yolo11n.pt source="https://youtu.be/LNwODJXcvt4" conf=0.3 iou=0.5 show

These commands load the YOLO11 model and use it for tracking objects in the given video source with specific confidence (conf) and Intersecci贸n sobre la Uni贸n (iou). Para m谩s detalles, consulta el documentaci贸n del modo pista.

驴Cu谩les son las pr贸ximas funciones de los rastreadores de entrenamiento en Ultralytics?

Ultralytics est谩 mejorando continuamente sus modelos de IA. Una pr贸xima funci贸n permitir谩 el entrenamiento de rastreadores independientes. Hasta entonces, el Detector multiobjeto aprovecha los modelos preentrenados de detecci贸n, segmentaci贸n o Pose para rastrear sin necesidad de entrenamiento independiente. Mantente al d铆a siguiendo nuestro blog o consultando las pr贸ximas funciones.

驴Por qu茅 utilizar Ultralytics YOLO para el seguimiento multiobjeto?

Ultralytics YOLO is a state-of-the-art object detection model known for its real-time performance and high accuracy. Using YOLO for multi-object tracking provides several advantages:

  • Seguimiento en tiempo real: Consigue un seguimiento eficaz y de alta velocidad, ideal para entornos din谩micos.
  • Flexibilidad con modelos preentrenados: No es necesario entrenar desde cero; basta con utilizar modelos preentrenados de detecci贸n, segmentaci贸n o Pose.
  • Facilidad de uso: La sencilla integraci贸n de la API tanto con Python como con CLI hace que la creaci贸n de canalizaciones de seguimiento sea sencilla.
  • Amplia documentaci贸n y apoyo de la comunidad: Ultralytics proporciona una completa documentaci贸n y un activo foro de la comunidad para solucionar problemas y mejorar tus modelos de seguimiento.

Para m谩s detalles sobre c贸mo configurar y utilizar YOLO para el seguimiento, visita nuestra gu铆a de uso del seguimiento.

驴Puedo utilizar conjuntos de datos personalizados para el seguimiento multiobjeto con Ultralytics YOLO ?

S铆, puedes utilizar conjuntos de datos personalizados para el seguimiento multiobjeto con Ultralytics YOLO . Aunque la compatibilidad con el entrenamiento de rastreadores independientes es una funci贸n de pr贸xima aparici贸n, ya puedes utilizar modelos preentrenados en tus conjuntos de datos personalizados. Prepara tus conjuntos de datos en el formato adecuado compatible con YOLO y sigue la documentaci贸n para integrarlos.

驴C贸mo interpreto los resultados del modelo de seguimiento Ultralytics YOLO ?

Tras ejecutar un trabajo de seguimiento con Ultralytics YOLO , los resultados incluyen varios puntos de datos, como los ID de los objetos rastreados, sus cuadros delimitadores y las puntuaciones de confianza. He aqu铆 un breve resumen de c贸mo interpretar estos resultados:

  • IDs rastreados: A cada objeto se le asigna un ID 煤nico, que ayuda a rastrearlo a trav茅s de los fotogramas.
  • Cuadros delimitadores: Indican la ubicaci贸n de los objetos rastreados dentro del fotograma.
  • Puntuaciones de confianza: Reflejan la confianza del modelo en detectar el objeto rastreado.

Para una orientaci贸n detallada sobre la interpretaci贸n y visualizaci贸n de estos resultados, consulta la gu铆a de manejo de resultados.


馃搮 Created 11 months ago 鉁忥笍 Updated 8 days ago

Comentarios