ऑब्जेक्ट क्रॉपिंग का उपयोग करके Ultralytics YOLOv8

ऑब्जेक्ट क्रॉपिंग क्या है?

ऑब्जेक्ट के साथ काट-छाँट करना Ultralytics YOLOv8 किसी छवि या वीडियो से विशिष्ट ज्ञात वस्तुओं को अलग करना और निकालना शामिल है। वही YOLOv8 मॉडल क्षमताओं का उपयोग वस्तुओं को सटीक रूप से पहचानने और चित्रित करने के लिए किया जाता है, जिससे आगे के विश्लेषण या हेरफेर के लिए सटीक फसल सक्षम होती है।

सतर्कता: ऑब्जेक्ट क्रॉपिंग का उपयोग करके Ultralytics YOLOv8

ऑब्जेक्ट क्रॉपिंग के लाभ?

• केंद्रित विश्लेषण: YOLOv8 लक्षित वस्तु फसल की सुविधा प्रदान करता है, जिससे एक दृश्य के भीतर व्यक्तिगत वस्तुओं की गहन परीक्षा या प्रसंस्करण की अनुमति मिलती है।
• कम डेटा वॉल्यूम: केवल प्रासंगिक वस्तुओं को निकालने से, ऑब्जेक्ट क्रॉपिंग डेटा आकार को कम करने में मदद करता है, जिससे यह भंडारण, संचरण या बाद के कम्प्यूटेशनल कार्यों के लिए कुशल हो जाता है।
• बढ़ी हुई परिशुद्धता: YOLOv8ऑब्जेक्ट डिटेक्शन सटीकता यह सुनिश्चित करती है कि क्रॉप की गई वस्तुएं अपने स्थानिक संबंधों को बनाए रखें, विस्तृत विश्लेषण के लिए दृश्य जानकारी की अखंडता को संरक्षित करें।

दृश्यों

हवाई अड्डे का सामान
सूटकेस हवाई अड्डे कन्वेयर बेल्ट का उपयोग कर फसल Ultralytics YOLOv8

import os

import cv2

from ultralytics import YOLO
from ultralytics.utils.plotting import Annotator, colors

model = YOLO("yolov8n.pt")
names = model.names

cap = cv2.VideoCapture("path/to/video/file.mp4")
assert cap.isOpened(), "Error reading video file"
w, h, fps = (int(cap.get(x)) for x in (cv2.CAP_PROP_FRAME_WIDTH, cv2.CAP_PROP_FRAME_HEIGHT, cv2.CAP_PROP_FPS))

crop_dir_name = "ultralytics_crop"
if not os.path.exists(crop_dir_name):
    os.mkdir(crop_dir_name)

# Video writer
video_writer = cv2.VideoWriter("object_cropping_output.avi", cv2.VideoWriter_fourcc(*"mp4v"), fps, (w, h))

idx = 0
while cap.isOpened():
    success, im0 = cap.read()
    if not success:
        print("Video frame is empty or video processing has been successfully completed.")
        break

    results = model.predict(im0, show=False)
    boxes = results[0].boxes.xyxy.cpu().tolist()
    clss = results[0].boxes.cls.cpu().tolist()
    annotator = Annotator(im0, line_width=2, example=names)

    if boxes is not None:
        for box, cls in zip(boxes, clss):
            idx += 1
            annotator.box_label(box, color=colors(int(cls), True), label=names[int(cls)])

            crop_obj = im0[int(box[1]) : int(box[3]), int(box[0]) : int(box[2])]

            cv2.imwrite(os.path.join(crop_dir_name, str(idx) + ".png"), crop_obj)

    cv2.imshow("ultralytics", im0)
    video_writer.write(im0)

    if cv2.waitKey(1) & 0xFF == ord("q"):
        break

cap.release()
video_writer.release()
cv2.destroyAllWindows()

तर्क model.predict

अक्सर पूछे जाने वाले प्रश्न

ऑब्जेक्ट क्रॉपिंग क्या है Ultralytics YOLOv8 और यह कैसे काम करता है?

ऑब्जेक्ट क्रॉपिंग का उपयोग करके Ultralytics YOLOv8 इसमें किसी छवि या वीडियो से विशिष्ट वस्तुओं को अलग करना और निकालना शामिल है। YOLOv8का पता लगाने की क्षमता। यह प्रक्रिया केंद्रित विश्लेषण, कम डेटा वॉल्यूम और लीवरेजिंग द्वारा बढ़ी हुई सटीकता की अनुमति देती है YOLOv8 उच्च सटीकता के साथ वस्तुओं की पहचान करना और तदनुसार उन्हें क्रॉप करना। गहन ट्यूटोरियल के लिए, ऑब्जेक्ट क्रॉपिंग उदाहरण देखें।

मुझे क्यों उपयोग करना चाहिए Ultralytics YOLOv8 अन्य समाधानों पर ऑब्जेक्ट क्रॉपिंग के लिए?

Ultralytics YOLOv8 इसकी सटीकता, गति और उपयोग में आसानी के कारण बाहर खड़ा है। यह विस्तृत और सटीक वस्तु का पता लगाने और क्रॉपिंग की अनुमति देता है, जो केंद्रित विश्लेषण और उच्च डेटा अखंडता की आवश्यकता वाले अनुप्रयोगों के लिए आवश्यक है। इसके अलावा YOLOv8 जैसे उपकरणों के साथ मूल रूप से एकीकृत करता है OpenVINO और TensorRT परिनियोजन के लिए वास्तविक समय की क्षमताओं और विविध हार्डवेयर पर अनुकूलन की आवश्यकता होती है। मॉडल निर्यात पर गाइड में लाभों का अन्वेषण करें।

ऑब्जेक्ट क्रॉपिंग का उपयोग करके मैं अपने डेटासेट के डेटा वॉल्यूम को कैसे कम कर सकता हूं?

का उपयोग करके Ultralytics YOLOv8 अपनी छवियों या वीडियो से केवल प्रासंगिक वस्तुओं को क्रॉप करने के लिए, आप डेटा आकार को काफी कम कर सकते हैं, जिससे यह भंडारण और प्रसंस्करण के लिए अधिक कुशल हो जाता है। इस प्रक्रिया में विशिष्ट वस्तुओं का पता लगाने के लिए मॉडल को प्रशिक्षित करना और फिर परिणामों का उपयोग केवल इन भागों को क्रॉप करने और सहेजने के लिए करना शामिल है। शोषण के बारे में अधिक जानकारी के लिए Ultralytics YOLOv8की क्षमताएं, हमारे क्विकस्टार्ट गाइड पर जाएं।

क्या मैं उपयोग कर सकता हूं Ultralytics YOLOv8 वास्तविक समय वीडियो विश्लेषण और ऑब्जेक्ट क्रॉपिंग के लिए?

हाँ Ultralytics YOLOv8 गतिशील रूप से वस्तुओं का पता लगाने और क्रॉप करने के लिए रीयल-टाइम वीडियो फ़ीड को संसाधित कर सकते हैं। मॉडल की उच्च गति अनुमान क्षमताएं इसे वास्तविक समय के अनुप्रयोगों जैसे निगरानी, खेल विश्लेषण और स्वचालित निरीक्षण प्रणाली के लिए आदर्श बनाती हैं। वास्तविक समय प्रसंस्करण को लागू करने के तरीके को समझने के लिए ट्रैकिंग और भविष्यवाणी मोड देखें।

कुशलता से चलाने के लिए हार्डवेयर आवश्यकताएँ क्या हैं YOLOv8 ऑब्जेक्ट क्रॉपिंग के लिए?

Ultralytics YOLOv8 दोनों के लिए अनुकूलित है CPU और GPU वातावरण, लेकिन इष्टतम प्रदर्शन प्राप्त करने के लिए, विशेष रूप से वास्तविक समय या उच्च मात्रा अनुमान के लिए, एक समर्पित GPU (जैसे, NVIDIA टेस्ला, आरटीएक्स श्रृंखला) की सिफारिश की जाती है। हल्के उपकरणों पर परिनियोजन के लिए, उपयोग करने पर विचार करें CoreML के लिए iOS या TFLite के लिए Android. समर्थित उपकरणों और प्रारूपों के बारे में अधिक विवरण हमारे मॉडल परिनियोजन विकल्पों में पाए जा सकते हैं।

टिप्पणियाँ