मल्टी-ऑब्जेक्ट ट्रैकिंग डेटासेट अवलोकन

डेटासेट प्रारूप (जल्द ही आ रहा है)

मल्टी-ऑब्जेक्ट डिटेक्टर को स्टैंडअलोन प्रशिक्षण की आवश्यकता नहीं है और सीधे पूर्व-प्रशिक्षित पहचान, विभाजन या पोज़ मॉडल का समर्थन करता है। अकेले प्रशिक्षण ट्रैकर्स के लिए समर्थन जल्द ही आ रहा है

उपयोग

from ultralytics import YOLO

model = YOLO("yolov8n.pt")
results = model.track(source="https://youtu.be/LNwODJXcvt4", conf=0.3, iou=0.5, show=True)

yolo track model=yolov8n.pt source="https://youtu.be/LNwODJXcvt4" conf=0.3, iou=0.5 show

अक्सर पूछे जाने वाले प्रश्न

मैं मल्टी-ऑब्जेक्ट ट्रैकिंग का उपयोग कैसे करूं Ultralytics YOLO?

के साथ मल्टी-ऑब्जेक्ट ट्रैकिंग का उपयोग करने के लिए Ultralytics YOLO, आप का उपयोग करके शुरू कर सकते हैं Python नहीं तो CLI उदाहरण प्रदान किए गए। यहां बताया गया है कि आप कैसे शुरू कर सकते हैं:

from ultralytics import YOLO

model = YOLO("yolov8n.pt")  # Load the YOLOv8 model
results = model.track(source="https://youtu.be/LNwODJXcvt4", conf=0.3, iou=0.5, show=True)

yolo track model=yolov8n.pt source="https://youtu.be/LNwODJXcvt4" conf=0.3 iou=0.5 show

ये आदेश लोड करते हैं YOLOv8 मॉडल और विशिष्ट आत्मविश्वास के साथ दिए गए वीडियो स्रोत में वस्तुओं को ट्रैक करने के लिए इसका उपयोग करें (conf) और संघ पर चौराहा (iou) थ्रेसहोल्ड। अधिक जानकारी के लिए, देखें ट्रैक मोड प्रलेखन.

प्रशिक्षण ट्रैकर्स के लिए आगामी विशेषताएं क्या हैं Ultralytics?

Ultralytics अपने एआई मॉडल को लगातार बढ़ा रहा है। एक आगामी सुविधा स्टैंडअलोन ट्रैकर्स के प्रशिक्षण को सक्षम करेगी। तब तक, मल्टी-ऑब्जेक्ट डिटेक्टर स्टैंडअलोन प्रशिक्षण की आवश्यकता के बिना ट्रैकिंग के लिए पूर्व-प्रशिक्षित पहचान, विभाजन, या पोज़ मॉडल का लाभ उठाता है। हमारे ब्लॉग का अनुसरण करके या आगामी सुविधाओं की जाँच करके अपडेट रहें।

मुझे क्यों उपयोग करना चाहिए Ultralytics YOLO मल्टी-ऑब्जेक्ट ट्रैकिंग के लिए?

Ultralytics YOLO एक अत्याधुनिक वस्तु पहचान मॉडल है जो अपने वास्तविक समय के प्रदर्शन और उच्च सटीकता के लिए जाना जाता है। का उपयोग करके YOLO मल्टी-ऑब्जेक्ट ट्रैकिंग के लिए कई फायदे प्रदान करता है:

• वास्तविक समय ट्रैकिंग: गतिशील वातावरण के लिए कुशल और उच्च गति ट्रैकिंग आदर्श प्राप्त करें।
• पूर्व-प्रशिक्षित मॉडल के साथ लचीलापन: खरोंच से प्रशिक्षित करने की आवश्यकता नहीं है; बस पूर्व-प्रशिक्षित पहचान, विभाजन, या मुद्रा मॉडल का उपयोग करें।
• उपयोग में आसानी: दोनों के साथ सरल एपीआई एकीकरण Python और CLI ट्रैकिंग पाइपलाइनों को सीधा स्थापित करना आसान बनाता है।
• व्यापक प्रलेखन और सामुदायिक समर्थन: Ultralytics समस्याओं का निवारण करने और अपने ट्रैकिंग मॉडल को बढ़ाने के लिए व्यापक दस्तावेज़ीकरण और एक सक्रिय समुदाय फ़ोरम प्रदान करता है।

स्थापित करने और उपयोग करने के बारे में अधिक जानकारी के लिए YOLO ट्रैकिंग के लिए, हमारी ट्रैक उपयोग मार्गदर्शिका पर जाएं।

क्या मैं मल्टी-ऑब्जेक्ट ट्रैकिंग के लिए कस्टम डेटासेट का उपयोग कर सकता हूं Ultralytics YOLO?

हां, आप मल्टी-ऑब्जेक्ट ट्रैकिंग के लिए कस्टम डेटासेट का उपयोग कर सकते हैं Ultralytics YOLO. जबकि स्टैंडअलोन ट्रैकर प्रशिक्षण के लिए समर्थन एक आगामी विशेषता है, आप पहले से ही अपने कस्टम डेटासेट पर पूर्व-प्रशिक्षित मॉडल का उपयोग कर सकते हैं। अपने डेटासेट को उपयुक्त प्रारूप में तैयार करें YOLO और उन्हें एकीकृत करने के लिए दस्तावेज़ीकरण का पालन करें।

मैं परिणामों की व्याख्या कैसे करूं Ultralytics YOLO ट्रैकिंग मॉडल?

के साथ ट्रैकिंग कार्य चलाने के बाद Ultralytics YOLO, परिणामों में विभिन्न डेटा बिंदु शामिल हैं जैसे ट्रैक किए गए ऑब्जेक्ट आईडी, उनके बाउंडिंग बॉक्स और आत्मविश्वास स्कोर। इन परिणामों की व्याख्या करने के तरीके का संक्षिप्त विवरण यहां दिया गया है:

• ट्रैक की गई आईडी: प्रत्येक ऑब्जेक्ट को एक अद्वितीय आईडी असाइन की जाती है, जो इसे फ्रेम में ट्रैक करने में मदद करती है।
• बाउंडिंग बक्से: ये फ्रेम के भीतर ट्रैक की गई वस्तुओं के स्थान को इंगित करते हैं।
• आत्मविश्वास स्कोर: ये ट्रैक की गई वस्तु का पता लगाने में मॉडल के आत्मविश्वास को दर्शाते हैं।

इन परिणामों की व्याख्या और कल्पना करने के बारे में विस्तृत मार्गदर्शन के लिए, परिणाम हैंडलिंग गाइड देखें।

टिप्पणियाँ