सामग्री पर जाएं

Ultralytics YOLOv8 मोड

Ultralytics YOLO पारिस्थितिकी तंत्र और एकीकरण

परिचय

Ultralytics YOLOv8 सिर्फ एक और ऑब्जेक्ट डिटेक्शन मॉडल नहीं है; यह एक बहुमुखी ढांचा है जिसे मशीन लर्निंग मॉडल के पूरे जीवनचक्र को कवर करने के लिए डिज़ाइन किया गया है - डेटा अंतर्ग्रहण और मॉडल प्रशिक्षण से लेकर सत्यापन, परिनियोजन और वास्तविक दुनिया की ट्रैकिंग तक। प्रत्येक मोड एक विशिष्ट उद्देश्य को पूरा करता है और आपको विभिन्न कार्यों और उपयोग-मामलों के लिए आवश्यक लचीलापन और दक्षता प्रदान करने के लिए इंजीनियर है।



सतर्कता: Ultralytics मोड ट्यूटोरियल: ट्रेन, मान्य, भविष्यवाणी, निर्यात और बेंचमार्क।

मोड एक नजर में

विभिन्न तरीकों को समझना जो Ultralytics YOLOv8 आपके मॉडलों का अधिकतम लाभ उठाने के लिए समर्थन महत्वपूर्ण है:

  • ट्रेन मोड: कस्टम या प्रीलोडेड डेटासेट पर अपने मॉडल को फाइन-ट्यून करें।
  • वैल मोड: मॉडल प्रदर्शन को मान्य करने के लिए एक पोस्ट-ट्रेनिंग चेकपॉइंट।
  • भविष्यवाणी मोड: वास्तविक दुनिया के डेटा पर अपने मॉडल की भविष्य कहनेवाला शक्ति को उजागर करें।
  • निर्यात मोड: अपने मॉडल को विभिन्न स्वरूपों में परिनियोजन के लिए तैयार करें।
  • ट्रैक मोड: अपने ऑब्जेक्ट डिटेक्शन मॉडल को रीयल-टाइम ट्रैकिंग एप्लिकेशन में विस्तारित करें।
  • बेंचमार्क मोड: विविध परिनियोजन परिवेशों में अपने मॉडल की गति और सटीकता का विश्लेषण करें।

इस व्यापक मार्गदर्शिका का उद्देश्य आपको प्रत्येक मोड में एक सिंहावलोकन और व्यावहारिक अंतर्दृष्टि प्रदान करना है, जिससे आपको पूरी क्षमता का उपयोग करने में मदद मिलती है YOLOv8.

रेलगाड़ी

ट्रेन मोड का उपयोग प्रशिक्षण के लिए किया जाता है a YOLOv8 कस्टम डेटासेट पर मॉडल। इस मोड में, मॉडल को निर्दिष्ट डेटासेट और हाइपरपैरामीटर का उपयोग करके प्रशिक्षित किया जाता है। प्रशिक्षण प्रक्रिया में मॉडल के मापदंडों का अनुकूलन शामिल है ताकि यह एक छवि में वस्तुओं के वर्गों और स्थानों की सटीक भविष्यवाणी कर सके।

ट्रेन उदाहरण

वैल

वैल मोड का उपयोग एक YOLOv8 प्रशिक्षित होने के बाद मॉडल। इस मोड में, मॉडल का मूल्यांकन इसकी सटीकता और सामान्यीकरण प्रदर्शन को मापने के लिए एक सत्यापन सेट पर किया जाता है। इस मोड का उपयोग मॉडल के प्रदर्शन को बेहतर बनाने के लिए हाइपरपैरामीटर को ट्यून करने के लिए किया जा सकता है।

वैल उदाहरण

भविष्‍यवाणी करना

भविष्यवाणी मोड का उपयोग प्रशिक्षित का उपयोग करके भविष्यवाणियां करने के लिए किया जाता है YOLOv8 नई छवियों या वीडियो पर मॉडल। इस मोड में, मॉडल को चेकपॉइंट फ़ाइल से लोड किया जाता है, और उपयोगकर्ता अनुमान लगाने के लिए चित्र या वीडियो प्रदान कर सकता है। मॉडल इनपुट छवियों या वीडियो में वस्तुओं के वर्गों और स्थानों की भविष्यवाणी करता है।

उदाहरणों की भविष्यवाणी करें

निर्यातित माल

निर्यात मोड का उपयोग निर्यात के लिए किया जाता है YOLOv8 एक प्रारूप के लिए मॉडल जिसे परिनियोजन के लिए उपयोग किया जा सकता है। इस मोड में, मॉडल को एक प्रारूप में परिवर्तित किया जाता है जिसका उपयोग अन्य सॉफ़्टवेयर एप्लिकेशन या हार्डवेयर उपकरणों द्वारा किया जा सकता है। मॉडल को उत्पादन वातावरण में परिनियोजित करते समय यह मोड उपयोगी होता है।

निर्यात उदाहरण

ट्रैक

ट्रैक मोड का उपयोग वास्तविक समय में वस्तुओं को ट्रैक करने के लिए किया जाता है YOLOv8 को गढ़ना। इस मोड में, मॉडल को चेकपॉइंट फ़ाइल से लोड किया जाता है, और उपयोगकर्ता रीयल-टाइम ऑब्जेक्ट ट्रैकिंग करने के लिए एक लाइव वीडियो स्ट्रीम प्रदान कर सकता है। यह मोड निगरानी प्रणाली या स्व-ड्राइविंग कारों जैसे अनुप्रयोगों के लिए उपयोगी है।

ट्रैक उदाहरण

कसौटी

बेंचमार्क मोड का उपयोग विभिन्न निर्यात प्रारूपों की गति और सटीकता को प्रोफाइल करने के लिए किया जाता है YOLOv8. बेंचमार्क निर्यात किए गए प्रारूप के आकार के बारे में जानकारी प्रदान करते हैं, इसके mAP50-95 मेट्रिक्स (ऑब्जेक्ट डिटेक्शन, सेगमेंटेशन और पोज़ के लिए) या accuracy_top5 मीट्रिक (वर्गीकरण के लिए), और विभिन्न निर्यात प्रारूपों में प्रति छवि मिलीसेकंड में अनुमान समय जैसे ONNX, OpenVINO, TensorRT और अन्य। यह जानकारी उपयोगकर्ताओं को गति और सटीकता के लिए उनकी आवश्यकताओं के आधार पर उनके विशिष्ट उपयोग के मामले के लिए इष्टतम निर्यात प्रारूप चुनने में मदद कर सकती है।

बेंचमार्क उदाहरण



Created 2023-11-12, Updated 2024-06-02
Authors: glenn-jocher (5)

टिप्पणियाँ