YOLO-Modèle mondial

Le modèle YOLO-World introduit un modèle avancé en temps réel. Ultralytics YOLOv8-en temps réel pour les tâches de détection de vocabulaire ouvert. Cette innovation permet de détecter n'importe quel objet dans une image sur la base de textes descriptifs. En réduisant considérablement les exigences de calcul tout en préservant des performances compétitives, YOLO-World apparaît comme un outil polyvalent pour de nombreuses applications basées sur la vision.

Regarder : YOLO Workflow de formation mondiale sur un ensemble de données personnalisé

Vue d'ensemble

YOLO-World relève les défis auxquels sont confrontés les modèles traditionnels de détection du vocabulaire ouvert, qui reposent souvent sur des modèles de transformateurs encombrants nécessitant d'importantes ressources informatiques. La dépendance de ces modèles à l'égard de catégories d'objets prédéfinies limite également leur utilité dans les scénarios dynamiques. YOLO-World revitalise le cadre YOLOv8 avec des capacités de détection de vocabulaire ouvert, en utilisant lamodélisation du langage visuel et le préapprentissage sur de vastes ensembles de données pour exceller dans l'identification d'un large éventail d'objets dans des scénarios sans prise de vue avec une efficacité inégalée.

Caractéristiques principales

1. Solution en temps réel : En exploitant la vitesse de calcul des CNN, YOLO-World fournit une solution rapide de détection de vocabulaire ouvert, destinée aux industries qui ont besoin de résultats immédiats.

2. Efficacité et performance : YOLO-World réduit les exigences en matière de calcul et de ressources sans sacrifier la performance, offrant une alternative solide à des modèles tels que SAM , mais à une fraction du coût de calcul, ce qui permet des applications en temps réel.

3. Inférence avec un vocabulaire hors ligne : YOLO-World introduit une stratégie "inviter puis détecter", en utilisant un vocabulaire hors ligne pour améliorer encore l'efficacité. Cette approche permet d'utiliser des invites personnalisées calculées a priori, y compris des légendes ou des catégories, qui peuvent être encodées et stockées sous forme d'enchâssements de vocabulaire hors ligne, ce qui simplifie le processus de détection.

4. Propulsé par YOLOv8: Construit sur Ultralytics YOLOv8YOLO-World s'appuie sur les dernières avancées en matière de détection d'objets en temps réel pour faciliter la détection de vocabulaires ouverts avec une précision et une rapidité inégalées.

5. Excellence en matière de tests de référence : YOLO World surpasse les détecteurs de vocabulaires ouverts existants, y compris les séries MDETR et GLIP, en termes de vitesse et d'efficacité sur les benchmarks standards, démontrant la capacité supérieure de YOLOv8 sur un seul NVIDIA V100 GPU.

6. Applications polyvalentes : YOLO-L'approche innovante de World ouvre de nouvelles possibilités pour une multitude de tâches de vision, offrant des améliorations de vitesse de plusieurs ordres de grandeur par rapport aux méthodes existantes.

Modèles disponibles, tâches prises en charge et modes de fonctionnement

Cette section détaille les modèles disponibles avec leurs poids pré-entraînés spécifiques, les tâches qu'ils prennent en charge et leur compatibilité avec les différents modes de fonctionnement tels que l'inférence, la validation, l'entraînement et l'exportation, désignés par ✅ pour les modes pris en charge et ❌ pour les modes non pris en charge.

Transfert de zéro sur l'ensemble de données COCO

Exemples d'utilisation

Les modèles YOLO-World sont faciles à intégrer dans vos applications Python . Ultralytics fournit des API Python et des commandes CLI conviviales pour rationaliser le développement.

Utilisation des trains

Détection d'objets est simple avec l'outil train comme illustré ci-dessous :

from ultralytics import YOLOWorld

# Load a pretrained YOLOv8s-worldv2 model
model = YOLOWorld("yolov8s-worldv2.pt")

# Train the model on the COCO8 example dataset for 100 epochs
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Run inference with the YOLOv8n model on the 'bus.jpg' image
results = model("path/to/bus.jpg")

# Load a pretrained YOLOv8s-worldv2 model and train it on the COCO8 example dataset for 100 epochs
yolo train model=yolov8s-worldv2.yaml data=coco8.yaml epochs=100 imgsz=640

Prévoir l'utilisation

La détection d'objets est simple grâce à la fonction predict comme illustré ci-dessous :

from ultralytics import YOLOWorld

# Initialize a YOLO-World model
model = YOLOWorld("yolov8s-world.pt")  # or select yolov8m/l-world.pt for different sizes

# Execute inference with the YOLOv8s-world model on the specified image
results = model.predict("path/to/image.jpg")

# Show results
results[0].show()

# Perform object detection using a YOLO-World model
yolo predict model=yolov8s-world.pt source=path/to/image.jpg imgsz=640

Cet extrait démontre la simplicité du chargement d'un modèle pré-entraîné et de l'exécution d'une prédiction sur une image.

Utilisation du val

La validation d'un modèle sur un ensemble de données est simplifiée comme suit :

from ultralytics import YOLO

# Create a YOLO-World model
model = YOLO("yolov8s-world.pt")  # or select yolov8m/l-world.pt for different sizes

# Conduct model validation on the COCO8 example dataset
metrics = model.val(data="coco8.yaml")

# Validate a YOLO-World model on the COCO8 dataset with a specified image size
yolo val model=yolov8s-world.pt data=coco8.yaml imgsz=640

Utilisation de la voie

Le suivi d'objets à l'aide du modèle YOLO-World sur une vidéo ou une image est simplifié comme suit :

from ultralytics import YOLO

# Create a YOLO-World model
model = YOLO("yolov8s-world.pt")  # or select yolov8m/l-world.pt for different sizes

# Track with a YOLO-World model on a video
results = model.track(source="path/to/video.mp4")

# Track with a YOLO-World model on the video with a specified image size
yolo track model=yolov8s-world.pt imgsz=640 source="path/to/video/file.mp4"

Définir les invites

Le cadre YOLO-World permet la spécification dynamique de classes par le biais d'invites personnalisées, ce qui permet aux utilisateurs d'adapter le modèle à leurs besoins spécifiques sans avoir à suivre une nouvelle formation. Cette fonction est particulièrement utile pour adapter le modèle à de nouveaux domaines ou à des tâches spécifiques qui ne faisaient pas partie des données d'apprentissage à l'origine. En définissant des invites personnalisées, les utilisateurs peuvent essentiellement orienter le modèle vers des objets intéressants, ce qui améliore la pertinence et la précision des résultats de la détection.

Par exemple, si votre application ne nécessite que la détection d'objets "personne" et "bus", vous pouvez spécifier ces classes directement :

from ultralytics import YOLO

# Initialize a YOLO-World model
model = YOLO("yolov8s-world.pt")  # or choose yolov8m/l-world.pt

# Define custom classes
model.set_classes(["person", "bus"])

# Execute prediction for specified categories on an image
results = model.predict("path/to/image.jpg")

# Show results
results[0].show()

Vous pouvez également enregistrer un modèle après avoir défini des classes personnalisées. Vous créez ainsi une version du modèle YOLO-World spécialisée pour votre cas d'utilisation spécifique. Ce processus intègre les définitions de vos classes personnalisées directement dans le fichier du modèle, ce qui rend le modèle prêt à être utilisé avec les classes spécifiées sans autres ajustements. Suivez les étapes suivantes pour enregistrer et charger votre modèle YOLOv8 personnalisé :

from ultralytics import YOLO

# Initialize a YOLO-World model
model = YOLO("yolov8s-world.pt")  # or select yolov8m/l-world.pt

# Define custom classes
model.set_classes(["person", "bus"])

# Save the model with the defined offline vocabulary
model.save("custom_yolov8s.pt")

from ultralytics import YOLO

# Load your custom model
model = YOLO("custom_yolov8s.pt")

# Run inference to detect your custom classes
results = model.predict("path/to/image.jpg")

# Show results
results[0].show()

Avantages des économies réalisées grâce au vocabulaire personnalisé

• Efficacité: rationalise le processus de détection en se concentrant sur les objets pertinents, en réduisant la charge de calcul et en accélérant l'inférence.
• Flexibilité: Permet d'adapter facilement le modèle à des tâches de détection nouvelles ou de niche, sans qu'il soit nécessaire de procéder à un recyclage ou à une collecte de données de grande ampleur.
• Simplicité: Simplifie le déploiement en éliminant la nécessité de spécifier à plusieurs reprises des classes personnalisées au moment de l'exécution, ce qui rend le modèle directement utilisable avec son vocabulaire intégré.
• Performance: Améliore la précision de la détection pour les classes spécifiées en concentrant l'attention et les ressources du modèle sur la reconnaissance des objets définis.

Cette approche fournit un moyen puissant de personnaliser les modèles de détection d'objets de pointe pour des tâches spécifiques, rendant l'IA avancée plus accessible et applicable à un plus large éventail d'applications pratiques.

Reproduire les résultats officiels à partir de zéro (expérimental)

Préparer les ensembles de données

• Données sur les trains

• Données de valeur

Lancer une formation à partir de zéro

from ultralytics import YOLOWorld
from ultralytics.models.yolo.world.train_world import WorldTrainerFromScratch

data = dict(
    train=dict(
        yolo_data=["Objects365.yaml"],
        grounding_data=[
            dict(
                img_path="../datasets/flickr30k/images",
                json_file="../datasets/flickr30k/final_flickr_separateGT_train.json",
            ),
            dict(
                img_path="../datasets/GQA/images",
                json_file="../datasets/GQA/final_mixed_train_no_coco.json",
            ),
        ],
    ),
    val=dict(yolo_data=["lvis.yaml"]),
)
model = YOLOWorld("yolov8s-worldv2.yaml")
model.train(data=data, batch=128, epochs=100, trainer=WorldTrainerFromScratch)

Citations et remerciements

Nous exprimons notre gratitude au Tencent AILab Computer Vision Center pour son travail de pionnier dans la détection d'objets à vocabulaire ouvert en temps réel avec YOLO-World :

@article{cheng2024yolow,
title={YOLO-World: Real-Time Open-Vocabulary Object Detection},
author={Cheng, Tianheng and Song, Lin and Ge, Yixiao and Liu, Wenyu and Wang, Xinggang and Shan, Ying},
journal={arXiv preprint arXiv:2401.17270},
year={2024}
}

Pour plus d'informations, l'article original YOLO-World est disponible sur arXiv. Le code source du projet et des ressources supplémentaires sont accessibles via leur dépôt GitHub. Nous apprécions leur engagement à faire progresser le domaine et à partager leurs précieuses connaissances avec la communauté.

FAQ

Qu'est-ce que le modèle YOLO-World et comment fonctionne-t-il ?

Le modèle YOLO-World est une approche avancée de détection d'objets en temps réel basée sur le cadre. Ultralytics YOLOv8 Il excelle dans les tâches de détection de vocabulaire ouvert. Il excelle dans les tâches de détection de vocabulaire ouvert en identifiant des objets dans une image sur la base de textes descriptifs. En utilisant la modélisation vision-langage et le pré-entraînement sur de grands ensembles de données, YOLO-World atteint une efficacité et des performances élevées avec des exigences de calcul considérablement réduites, ce qui le rend idéal pour les applications en temps réel dans divers secteurs.

Comment YOLO-World gère-t-il l'inférence avec des invites personnalisées ?

YOLO-World prend en charge une stratégie de type "demander puis détecter", qui utilise un vocabulaire hors ligne pour améliorer l'efficacité. Les invites personnalisées, telles que les légendes ou les catégories d'objets spécifiques, sont préencodées et stockées sous forme d'enchâssements de vocabulaire hors ligne. Cette approche rationalise le processus de détection sans qu'il soit nécessaire de procéder à un nouvel apprentissage. Vous pouvez définir dynamiquement ces invites dans le modèle pour l'adapter à des tâches de détection spécifiques, comme illustré ci-dessous :

from ultralytics import YOLOWorld

# Initialize a YOLO-World model
model = YOLOWorld("yolov8s-world.pt")

# Define custom classes
model.set_classes(["person", "bus"])

# Execute prediction on an image
results = model.predict("path/to/image.jpg")

# Show results
results[0].show()

Pourquoi choisir YOLO-World plutôt que les modèles traditionnels de détection du vocabulaire libre ?

YOLO-World offre plusieurs avantages par rapport aux modèles traditionnels de détection du vocabulaire libre :

• Performance en temps réel : Il exploite la vitesse de calcul des CNN pour offrir une détection rapide et efficace.
• Efficacité et faibles besoins en ressources : YOLO-World maintient des performances élevées tout en réduisant de manière significative les besoins en ressources et en calculs.
• Invites personnalisables : Le modèle prend en charge le paramétrage dynamique des invites, ce qui permet aux utilisateurs de spécifier des classes de détection personnalisées sans avoir à suivre une nouvelle formation.
• Excellence en matière de benchmark : Il surpasse d'autres détecteurs de vocabulaires ouverts tels que MDETR et GLIP en termes de vitesse et d'efficacité sur des critères de référence standard.

Comment entraîner un modèle YOLO-World sur mon ensemble de données ?

La formation d'un modèle YOLO-World sur votre ensemble de données est simple grâce à l'API Python ou aux commandes CLI . Voici comment commencer la formation à l'aide de Python:

from ultralytics import YOLOWorld

# Load a pretrained YOLOv8s-worldv2 model
model = YOLOWorld("yolov8s-worldv2.pt")

# Train the model on the COCO8 dataset for 100 epochs
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

Ou en utilisant CLI:

yolo train model=yolov8s-worldv2.yaml data=coco8.yaml epochs=100 imgsz=640

Quels sont les modèles pré-entraînés disponibles sur YOLO-World et les tâches qu'ils prennent en charge ?

Ultralytics offre plusieurs modèles préformés YOLO-World prenant en charge diverses tâches et modes de fonctionnement :

Comment reproduire les résultats officiels de YOLO-World à partir de zéro ?

Pour reproduire les résultats officiels à partir de zéro, vous devez préparer les ensembles de données et lancer la formation à l'aide du code fourni. La procédure de formation implique la création d'un dictionnaire de données et l'exécution de la commande train avec un formateur personnalisé :

from ultralytics import YOLOWorld
from ultralytics.models.yolo.world.train_world import WorldTrainerFromScratch

data = {
    "train": {
        "yolo_data": ["Objects365.yaml"],
        "grounding_data": [
            {
                "img_path": "../datasets/flickr30k/images",
                "json_file": "../datasets/flickr30k/final_flickr_separateGT_train.json",
            },
            {
                "img_path": "../datasets/GQA/images",
                "json_file": "../datasets/GQA/final_mixed_train_no_coco.json",
            },
        ],
    },
    "val": {"yolo_data": ["lvis.yaml"]},
}

model = YOLOWorld("yolov8s-worldv2.yaml")
model.train(data=data, batch=128, epochs=100, trainer=WorldTrainerFromScratch)

📅C réé il y a 10 mois ✏️ Mis à jour il y a 1 mois

Commentaires