Aperçu des ensembles de données de suivi d'objets multiples

Format du jeu de données (bientôt disponible)

Le Multi-Object Detector ne nécessite pas d'entraînement autonome et prend directement en charge les modèles de détection, de segmentation ou de pose pré-entraînés. La prise en charge de l'entraînement des suiveurs seuls sera bientôt disponible.

Utilisation

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

FAQ

Comment utiliser le suivi d'objets multiples avec Ultralytics YOLO ?

Pour utiliser le suivi de plusieurs objets avec Ultralytics YOLO , vous pouvez commencer par utiliser les exemples Python ou CLI fournis. Voici comment vous pouvez commencer :

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

Ces commandes chargent le modèle YOLO11 et l'utilisent pour suivre des objets dans la source vidéo donnée avec une confiance spécifique (conf) et Intersection au-dessus de l'Union (iou). Pour plus de détails, se référer au documentation sur le mode piste.

Quelles sont les prochaines fonctionnalités des traqueurs d'entraînement sur Ultralytics?

Ultralytics améliore continuellement ses modèles d'IA. Une prochaine fonctionnalité permettra d'entraîner des suiveurs autonomes. En attendant, Multi-Object Detector exploite des modèles de détection, de segmentation ou de pose pré-entraînés pour le suivi sans nécessiter d'entraînement autonome. Restez informé en suivant notre blog ou en consultant les prochaines fonctionnalités.

Pourquoi utiliser Ultralytics YOLO pour le suivi de plusieurs objets ?

Ultralytics YOLO est un modèle de détection d'objets à la pointe de la technologie, connu pour ses performances en temps réel et sa grande précision. L'utilisation de YOLO pour le suivi de plusieurs objets présente plusieurs avantages :

• Suivi en temps réel : Réaliser un suivi efficace et à grande vitesse, idéal pour les environnements dynamiques.
• Flexibilité grâce aux modèles pré-entraînés : Il n'est pas nécessaire d'effectuer une formation à partir de zéro ; il suffit d'utiliser des modèles préformés de détection, de segmentation ou de pose.
• Facilité d'utilisation : L'intégration simple de l'API avec Python et CLI facilite la mise en place de pipelines de suivi.
• Documentation complète et support communautaire : Ultralytics fournit une documentation complète et un forum communautaire actif pour résoudre les problèmes et améliorer vos modèles de suivi.

Pour plus de détails sur la configuration et l'utilisation de YOLO pour le suivi, consultez notre guide d'utilisation du suivi.

Puis-je utiliser des ensembles de données personnalisés pour le suivi d'objets multiples avec Ultralytics YOLO ?

Oui, vous pouvez utiliser des ensembles de données personnalisés pour le suivi d'objets multiples avec Ultralytics YOLO . Bien que la prise en charge de l'entraînement des suiveurs autonomes soit une fonctionnalité à venir, vous pouvez d'ores et déjà utiliser des modèles pré-entraînés sur vos ensembles de données personnalisés. Préparez vos ensembles de données dans un format approprié compatible avec YOLO et suivez la documentation pour les intégrer.

Comment interpréter les résultats du modèle de suivi Ultralytics YOLO ?

Après avoir exécuté une tâche de suivi avec Ultralytics YOLO , les résultats comprennent divers points de données tels que les ID des objets suivis, leurs boîtes englobantes et les scores de confiance. Voici un bref aperçu de l'interprétation de ces résultats :

• ID suivis : Chaque objet se voit attribuer un identifiant unique, ce qui permet de le suivre d'une image à l'autre.
• Boîtes de délimitation : Elles indiquent l'emplacement des objets suivis dans le cadre.
• Les scores de confiance : Ils reflètent la confiance du modèle dans la détection de l'objet suivi.

Pour obtenir des conseils détaillés sur l'interprétation et la visualisation de ces résultats, consultez le guide de traitement des résultats.

📅C réé il y a 1 an ✏️ Mis à jour il y a 2 mois

Commentaires