Segmentaci贸n y seguimiento de instancias mediante Ultralytics YOLOv8 馃殌
驴Qu茅 es la segmentaci贸n de instancias?
Ultralytics YOLOv8 La segmentaci贸n de instancias consiste en identificar y delinear objetos individuales en una imagen, proporcionando una comprensi贸n detallada de la distribuci贸n espacial. A diferencia de la segmentaci贸n sem谩ntica, etiqueta de forma 煤nica y delinea con precisi贸n cada objeto, algo crucial para tareas como la detecci贸n de objetos y la obtenci贸n de im谩genes m茅dicas.
Hay dos tipos de seguimiento de segmentaci贸n de instancias disponibles en el paquete Ultralytics :
-
Segmentaci贸n de instancias con objetos de clase: A cada objeto de clase se le asigna un color 煤nico para una separaci贸n visual clara.
-
Segmentaci贸n de instancias con rastros de objetos: Cada pista est谩 representada por un color distinto, lo que facilita su identificaci贸n y seguimiento.
Observa: Segmentaci贸n de instancias con seguimiento de objetos mediante Ultralytics YOLOv8
Muestras
Segmentaci贸n de instancias | Segmentaci贸n de instancias + Seguimiento de objetos |
---|---|
Ultralytics Segmentaci贸n de instancias 馃槏 | Ultralytics Segmentaci贸n de instancias con seguimiento de objetos 馃敟 |
Segmentaci贸n y seguimiento de instancias
import cv2
from ultralytics import YOLO
from ultralytics.utils.plotting import Annotator, colors
model = YOLO("yolov8n-seg.pt") # segmentation model
names = model.model.names
cap = cv2.VideoCapture("path/to/video/file.mp4")
w, h, fps = (int(cap.get(x)) for x in (cv2.CAP_PROP_FRAME_WIDTH, cv2.CAP_PROP_FRAME_HEIGHT, cv2.CAP_PROP_FPS))
out = cv2.VideoWriter('instance-segmentation.avi', cv2.VideoWriter_fourcc(*'MJPG'), fps, (w, h))
while True:
ret, im0 = cap.read()
if not ret:
print("Video frame is empty or video processing has been successfully completed.")
break
results = model.predict(im0)
annotator = Annotator(im0, line_width=2)
if results[0].masks is not None:
clss = results[0].boxes.cls.cpu().tolist()
masks = results[0].masks.xy
for mask, cls in zip(masks, clss):
annotator.seg_bbox(mask=mask,
mask_color=colors(int(cls), True),
det_label=names[int(cls)])
out.write(im0)
cv2.imshow("instance-segmentation", im0)
if cv2.waitKey(1) & 0xFF == ord('q'):
break
out.release()
cap.release()
cv2.destroyAllWindows()
import cv2
from ultralytics import YOLO
from ultralytics.utils.plotting import Annotator, colors
from collections import defaultdict
track_history = defaultdict(lambda: [])
model = YOLO("yolov8n-seg.pt") # segmentation model
cap = cv2.VideoCapture("path/to/video/file.mp4")
w, h, fps = (int(cap.get(x)) for x in (cv2.CAP_PROP_FRAME_WIDTH, cv2.CAP_PROP_FRAME_HEIGHT, cv2.CAP_PROP_FPS))
out = cv2.VideoWriter('instance-segmentation-object-tracking.avi', cv2.VideoWriter_fourcc(*'MJPG'), fps, (w, h))
while True:
ret, im0 = cap.read()
if not ret:
print("Video frame is empty or video processing has been successfully completed.")
break
annotator = Annotator(im0, line_width=2)
results = model.track(im0, persist=True)
if results[0].boxes.id is not None and results[0].masks is not None:
masks = results[0].masks.xy
track_ids = results[0].boxes.id.int().cpu().tolist()
for mask, track_id in zip(masks, track_ids):
annotator.seg_bbox(mask=mask,
mask_color=colors(track_id, True),
track_label=str(track_id))
out.write(im0)
cv2.imshow("instance-segmentation-object-tracking", im0)
if cv2.waitKey(1) & 0xFF == ord('q'):
break
out.release()
cap.release()
cv2.destroyAllWindows()
seg_bbox
Argumentos
Nombre | Tipo | Por defecto | Descripci贸n |
---|---|---|---|
mask |
array |
None |
Coordenadas de la m谩scara de segmentaci贸n |
mask_color |
tuple |
(255, 0, 255) |
Color de m谩scara para cada casilla segmentada |
det_label |
str |
None |
Etiqueta del objeto segmentado |
track_label |
str |
None |
Etiqueta para el objeto segmentado y rastreado |
Nota
Para cualquier consulta, no dudes en publicar tus preguntas en la Secci贸n de Cuestiones deUltralytics o en la secci贸n de debate mencionada m谩s abajo.