Des tutoriels complets pour Ultralytics YOLO

Bienvenue dans les Ultralytics'YOLO 🚀 Guides ! Nos tutoriels complets couvrent divers aspects du modèle de détection d'objets YOLO , allant de l'entraînement et de la prédiction au déploiement. Construit sur PyTorch, YOLO se distingue par sa vitesse et sa précision exceptionnelles dans les tâches de détection d'objets en temps réel.

Que tu sois débutant ou expert en apprentissage profond, nos tutoriels offrent des indications précieuses sur la mise en œuvre et l'optimisation de YOLO pour tes projets de vision par ordinateur. Plongeons-y !

Regarde : Ultralytics YOLOv8 Aperçu des guides

Guides

Voici une compilation de guides approfondis pour t'aider à maîtriser les différents aspects de Ultralytics YOLO .

• YOLO Problèmes courants ⭐ RECOMMANDÉ : Solutions pratiques et conseils de dépannage aux problèmes les plus fréquemment rencontrés lors de l'utilisation des modèles Ultralytics YOLO .
• YOLO Métriques de performance ⭐ ESSENTIEL : Comprends les métriques clés comme le mAP, l'IoU et le score F1 utilisées pour évaluer la performance de tes modèles YOLO . Comprend des exemples pratiques et des conseils sur la façon d'améliorer la précision et la vitesse de détection.
• Options de déploiement de modèles: Vue d'ensemble des formats de déploiement du modèle YOLO tels que ONNX, OpenVINO, et TensorRT, avec les avantages et les inconvénients de chacun d'entre eux pour informer ta stratégie de déploiement.
• Validation croisée K -Fold 🚀 NOUVEAU : Apprends à améliorer la généralisation des modèles à l'aide de la technique de validation croisée K-Fold.
• Hyperparameter Tuning 🚀 NEW : Découvre comment optimiser tes modèles YOLO en affinant les hyperparamètres à l'aide de la classe Tuner et des algorithmes d'évolution génétique.
• SAHI Tiled Inference 🚀 NOUVEAU : Guide complet sur l'exploitation des capacités d'inférence en tranches de SAHI avec YOLOv8 pour la détection d'objets dans les images à haute résolution.
• AzureML Quickstart 🚀 NOUVEAU : Rends-toi opérationnel avec les modèles Ultralytics YOLO sur la plateforme Azure Machine Learning de Microsoft. Apprends à former, déployer et mettre à l'échelle tes projets de détection d'objets dans le cloud.
• Conda Quickstart 🚀 NOUVEAU : Guide étape par étape pour la mise en place d'un environnement Conda pour Ultralytics. Apprends à installer et à commencer à utiliser efficacement le paquet Ultralytics avec Conda.
• Docker Quickstart 🚀 NOUVEAU : Guide complet pour configurer et utiliser les modèles Ultralytics YOLO avec Docker. Apprends à installer Docker, à gérer la prise en charge des GPU et à exécuter les modèles YOLO dans des conteneurs isolés pour un développement et un déploiement cohérents.
• Raspberry Pi 🚀 NOUVEAU : Tutoriel de démarrage rapide pour exécuter les modèles YOLO sur le matériel Raspberry Pi le plus récent.
• Nvidia-Jetson🚀NOUVEAU : Guide de démarrage rapide pour le déploiement des modèles YOLO sur les appareils Nvidia Jetson.
• Triton Intégration du serveur d'inférence 🚀 NOUVEAU : Plonge dans l'intégration de Ultralytics YOLOv8 avec le serveur d'inférence Triton de NVIDIA pour des déploiements d'inférence d'apprentissage profond évolutifs et efficaces.
• YOLO Thread-Safe Inference 🚀 NEW : Directives pour effectuer l'inférence avec les modèles YOLO de manière thread-safe. Apprends l'importance de la sécurité des threads et les meilleures pratiques pour éviter les conditions de course et assurer des prédictions cohérentes.
• Isoler les objets de la segmentation 🚀 NOUVEAU : Recette et explication étape par étape sur la façon d'extraire et/ou d'isoler des objets d'images à l'aide de Ultralytics Segmentation.
• Edge TPU sur Raspberry Pi: Google Edge TPU accélère l'inférence YOLO sur Raspberry Pi.
• Visualiser les images d'inférence dans un terminal: Utilise le terminal intégré de VSCode pour visualiser les résultats de l'inférence lorsque tu utilises le tunnel à distance ou les sessions SSH.
• OpenVINO Modes de latence et de débit - Apprends les techniques d'optimisation de la latence et du débit pour obtenir des performances d'inférence optimales sur YOLO .

Projets réels

• Comptage d'objets 🚀 NOUVEAU : Explore le processus de comptage d'objets en temps réel avec Ultralytics YOLOv8 et acquiers les connaissances nécessaires pour compter efficacement les objets dans un flux vidéo en direct.
• Recadrage d' objets 🚀 NOUVEAU : Explore le recadrage d'objets à l'aide de YOLOv8 pour une extraction précise d'objets à partir d'images et de vidéos.
• Flou d'objet 🚀 NOUVEAU : applique le flou d'objet avec YOLOv8 pour la protection de la vie privée dans le traitement des images et des vidéos.
• Suivi des séances d 'entraînement 🚀 NOUVEAU : Découvre l'approche complète du suivi des séances d'entraînement avec Ultralytics YOLOv8 . Acquiers les compétences et les connaissances nécessaires pour utiliser efficacement YOLOv8 pour le suivi et l'analyse en temps réel de divers aspects des routines de remise en forme.
• Comptage d'objets dans les régions 🚀 NOUVEAU : Explore le comptage d'objets dans des régions spécifiques avec Ultralytics YOLOv8 pour une détection précise et efficace des objets dans des zones variées.
• Système d'alarme de sécurité 🚀 NOUVEAU : Découvre le processus de création d'un système d'alarme de sécurité avec Ultralytics YOLOv8 . Ce système déclenche des alertes lors de la détection de nouveaux objets dans le cadre. Par la suite, tu peux personnaliser le code pour l'aligner sur ton cas d'utilisation spécifique.
• Cartes thermiques 🚀 NOUVEAU : élève ta compréhension des données grâce à nos cartes thermiques de détection ! Ces outils visuels intuitifs utilisent des dégradés de couleurs vibrantes pour illustrer de façon éclatante l'intensité des valeurs de données à travers une matrice. Essentielles en vision par ordinateur, les cartes thermiques sont habilement conçues pour mettre en évidence les zones d'intérêt, offrant ainsi un moyen immédiat et percutant d'interpréter les informations spatiales.
• Segmentation d'instance avec suivi d'objet 🚀 NOUVEAU : Explore notre fonctionnalité sur la segmentation d'objet dans Bounding Boxes Shape, qui fournit une représentation visuelle des limites précises des objets pour une meilleure compréhension et une meilleure analyse.
• VisionEye View Objects Mapping 🚀 NEW : Cette fonction vise à ce que les ordinateurs discernent et se concentrent sur des objets spécifiques, un peu comme la façon dont l'œil humain observe les détails d'un point de vue particulier.
• Estimation de la vitesse 🚀 NOUVEAU : L'estimation de la vitesse en vision par ordinateur repose sur l'analyse du mouvement des objets grâce à des techniques comme le suivi d'objet, cruciales pour des applications comme les véhicules autonomes et la surveillance du trafic.
• Calcul de la distance 🚀 NOUVEAU : Le calcul de la distance, qui consiste à mesurer la séparation entre deux objets dans un espace défini, est un aspect crucial. Dans le contexte de Ultralytics YOLOv8 , la méthode employée pour cela consiste à utiliser le centroïde de la boîte englobante pour déterminer la distance associée aux boîtes englobantes mises en évidence par l'utilisateur.
• Gestion des files d'attente 🚀 NOUVEAU : La gestion des files d'attente est la pratique qui consiste à contrôler et à diriger efficacement le flux de personnes ou de tâches, souvent par le biais d'une planification stratégique et de la mise en œuvre de technologies, afin de minimiser les temps d'attente et d'améliorer la productivité globale.
• Gestion du stationnement 🚀 NOUVEAU : La gestion du stationnement consiste à organiser et à diriger efficacement le flux de véhicules dans les aires de stationnement, souvent par le biais d'une planification stratégique et de l'intégration de technologies, afin d'optimiser l'utilisation de l'espace et d'améliorer l'expérience de l'utilisateur.

Contribue à nos guides

Les contributions de la communauté sont les bienvenues ! Si tu maîtrises un aspect particulier de Ultralytics YOLO qui n'est pas encore abordé dans nos guides, nous t'encourageons à partager ton expertise. Écrire un guide est un excellent moyen de rendre service à la communauté et de nous aider à rendre notre documentation plus complète et plus conviviale.

Pour commencer, consulte notre Guide de contribution pour savoir comment ouvrir une Pull Request (PR) 🛠️. Nous attendons avec impatience tes contributions !

Travaillons ensemble pour rendre l'écosystème Ultralytics YOLO plus robuste et plus polyvalent 🙏 !

Commentaires