Aperçu des ensembles de données de suivi d'objets multiples

Format du jeu de données (bientôt disponible)

Le détecteur multi-objets ne nécessite pas d'entraînement autonome et prend directement en charge les modèles pré-entraînés de détection, de segmentation ou de pose. La prise en charge de l'entraînement des suiveurs seuls est prévue pour bientôt.

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 , tu peux commencer par utiliser les exemples Python ou CLI fournis. Voici comment tu peux 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

These commands load the YOLO11 model and use it for tracking objects in the given video source with specific confidence (conf) and Intersection au-dessus de l’Union (iou). Pour plus de détails, reporte-toi à la documentation sur le mode piste.

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

Ultralytics améliore continuellement ses modèles d'intelligence artificielle. Une prochaine fonctionnalité permettra d'entraîner des suiveurs autonomes. D'ici là, Multi-Object Detector exploite des modèles de détection, de segmentation ou de pose pré-entraînés pour le suivi sans nécessiter d'entraînement autonome. Reste informé en suivant notre blog ou en consultant les fonctionnalités à venir.

Pourquoi devrais-je utiliser Ultralytics YOLO pour le suivi de plusieurs objets ?

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:

• Suivi en temps réel : Réalise un suivi efficace et à grande vitesse, idéal pour les environnements dynamiques.
• Flexibilité grâce aux modèles préformés : Pas besoin de former à partir de zéro ; il suffit d'utiliser des modèles de détection, de segmentation ou de pose pré-entraînés.
• Facilité d'utilisation : L'intégration simple de l'API avec Python et CLI rend la mise en place de pipelines de suivi très simple.
• Documentation complète et soutien de la communauté : Ultralytics fournit une documentation complète et un forum communautaire actif pour résoudre les problèmes et améliorer tes modèles de suivi.

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

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

Oui, tu peux 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, tu peux déjà utiliser des modèles pré-entraînés sur tes ensembles de données personnalisés. Prépare tes ensembles de données dans un format approprié compatible avec YOLO et suis 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 identifiants des objets suivis, leurs boîtes englobantes et les scores de confiance. Voici un bref aperçu de la façon d'interpréter 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.
• Notes 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, reporte-toi au guide de traitement des résultats.

📅 Created 11 months ago ✏️ Updated 20 days ago

Commentaires