Teselado de alta resolución

Usa tile=True para procesar imágenes de alta resolución en ventanas superpuestas antes de redimensionarlas a la entrada del modelo. Esto puede preservar detalles de objetos pequeños que se perderían al redimensionar la imagen completa. No necesitas instalar ningún paquete adicional.

El teselado utiliza los procesos habituales de entrenamiento, validación y predicción. La predicción devuelve un objeto Results por cada imagen original. La validación combina las predicciones antes de evaluarlas frente a las anotaciones originales; la pérdida de entrenamiento se calcula en las ventanas.

Uso#

from ultralytics import YOLO

model = YOLO("yolo26n.pt")
model.train(data="aerial.yaml", tile=True, imgsz=640)
metrics = model.val(data="aerial.yaml", tile=True, imgsz=640)
results = model.predict("large-image.tif", tile=640, imgsz=640, batch=8)

yolo predict model=yolo26n.pt source=large-image.tif tile=640 imgsz=640 batch=8

tile=True usa imgsz como tamaño de ventana. Un entero positivo, como tile=1024, establece el tamaño de ventana independientemente de imgsz. tile=False es el valor predeterminado. Las ventanas se solapan un 20 %, y las últimas ventanas se alinean con el límite de la imagen. Las imágenes más pequeñas usan una única ventana que abarca toda la imagen.

batch controla cuántas ventanas procesa el modelo a la vez durante la predicción. El backend existente gestiona los tamaños de lote fijos de exportación, incluido el último lote incompleto. Los modelos exportados conservan su grafo de entrada habitual; el teselado se ejecuta en el proceso de predicción de Python.

Para vídeo, transmite los resultados para mantener acotado el uso de memoria y utiliza las opciones de predicción existentes para guardarlos o mostrarlos:

for result in model.predict("video.mp4", tile=640, stream=True, save=True):
    print(result.boxes)

yolo predict model=yolo26n.pt source=video.mp4 tile=640 save=True

Tareas y modelos#

El proceso compartido admite la predicción con modelos de tareas de YOLO, YOLO-World, YOLOE, RT-DETR y FastSAM. Las indicaciones visuales de YOLOE se integran a partir de la imagen de origen completa y se reutilizan en sus ventanas. FastSAM selecciona las máscaras indicadas después de combinarlas en las coordenadas de origen. Los predictores de SAM conservan su propio proceso de indicaciones y generación de recortes; no aceptan tile.

Durante el entrenamiento, los cuadros delimitadores y los polígonos se recortan según sus ventanas, el recorte de OBB conserva la orientación y los puntos clave que quedan fuera de la ventana pierden visibilidad. Se eliminan las instancias a las que les queda menos del 10 % del área original de su cuadro delimitador. Las ventanas vacías se mantienen como ejemplos negativos. Los objetivos semánticos y de profundidad usan las mismas ventanas que sus imágenes.

Rendimiento y calidad#

• El teselado ejecuta más pasadas del modelo que la inferencia con la imagen completa. Elige los tamaños de ventana y de lote más grandes que conserven los detalles que necesitas y que quepan en la memoria disponible.
• Las ventanas consecutivas reutilizan la imagen de origen decodificada. Con cache="ram", el entrenamiento almacena las imágenes de origen una sola vez; cache="disk" utiliza la caché de imágenes existente. El entrenamiento mezcla las ventanas, por lo que el almacenamiento en caché resulta especialmente útil para imágenes de origen grandes y comprimidas.
• Las máscaras y los mapas densos del tamaño de la imagen de origen siguen necesitando una cantidad de memoria proporcional a la imagen original. max_det limita el número de máscaras de instancia que se conservan.
• El teselado elimina el contexto global. Valida la precisión con tus propios datos, especialmente en clasificación y profundidad, cuyas salidas por ventana pueden no concordar globalmente.
• La eliminación de duplicados selecciona predicciones completas; no reconstruye un objeto a partir de fragmentos visibles separados. La superposición reduce el truncamiento en los bordes, pero no puede eliminarlo si los objetos son más grandes que una ventana.
• Las fuentes Tensor, embed y visualize no son compatibles. El seguimiento se ejecuta una vez por fotograma de origen sobre las predicciones fusionadas, incluidas las características de ReID.