ओरिएंटेड बाउंडिंग बॉक्स ऑब्जेक्ट डिटेक्शन

ओरिएंटेड ऑब्जेक्ट डिटेक्शन ऑब्जेक्ट डिटेक्शन से एक कदम आगे जाता है और एक छवि में वस्तुओं को अधिक सटीक खोजने के लिए एक अतिरिक्त कोण पेश करता है।

एक उन्मुख ऑब्जेक्ट डिटेक्टर का आउटपुट घुमाए गए बाउंडिंग बॉक्स का एक सेट है जो छवि में वस्तुओं को बिल्कुल संलग्न करता है, साथ ही प्रत्येक बॉक्स के लिए क्लास लेबल और आत्मविश्वास स्कोर के साथ। ऑब्जेक्ट डिटेक्शन एक अच्छा विकल्प है जब आपको किसी दृश्य में रुचि की वस्तुओं की पहचान करने की आवश्यकता होती है, लेकिन यह जानने की आवश्यकता नहीं है कि ऑब्जेक्ट कहां है या उसका सटीक आकार है।

दृश्य नमूने

OBB का उपयोग करके जहाजों का पता लगाना	OBB का उपयोग करके वाहन का पता लगाना

मॉडल

YOLOv8 पूर्व-प्रशिक्षित OBB मॉडल यहां दिखाए गए हैं, जो DOTAv1 डेटासेट पर पूर्व-प्रशिक्षित हैं।

मॉडल नवीनतम से स्वचालित रूप से डाउनलोड करते हैं Ultralytics पहले उपयोग पर रिलीज करें।

• एमएपी^{परीक्षण} मान एकल-मॉडल मल्टीस्केल पर हैं DOTAv1 परीक्षण डेटासेट।
  द्वारा प्रजनन करना yolo val obb data=DOTAv1.yaml device=0 split=test और मर्ज किए गए परिणाम सबमिट करें DOTA मूल्यांकन.
• गति एक का उपयोग करके DOTAv1 val छवियों पर औसत अमेज़न EC2 P4d उदाहरण।
  द्वारा प्रजनन करना yolo val obb data=DOTAv1.yaml batch=1 device=0|cpu

रेलगाड़ी

रेलगाड़ी YOLOv8n-obb पर dota8.yaml छवि आकार 640 पर 100 युगों के लिए डेटासेट। उपलब्ध तर्कों की पूरी सूची के लिए देखें संरूपण पृष्ठ।

from ultralytics import YOLO

# Load a model
model = YOLO("yolov8n-obb.yaml")  # build a new model from YAML
model = YOLO("yolov8n-obb.pt")  # load a pretrained model (recommended for training)
model = YOLO("yolov8n-obb.yaml").load("yolov8n.pt")  # build from YAML and transfer weights

# Train the model
results = model.train(data="dota8.yaml", epochs=100, imgsz=640)

# Build a new model from YAML and start training from scratch
yolo obb train data=dota8.yaml model=yolov8n-obb.yaml epochs=100 imgsz=640

# Start training from a pretrained *.pt model
yolo obb train data=dota8.yaml model=yolov8n-obb.pt epochs=100 imgsz=640

# Build a new model from YAML, transfer pretrained weights to it and start training
yolo obb train data=dota8.yaml model=yolov8n-obb.yaml pretrained=yolov8n-obb.pt epochs=100 imgsz=640

डेटासेट प्रारूप

OBB डेटासेट प्रारूप डेटासेट गाइड में विस्तार से पाया जा सकता है।

वैल

प्रशिक्षित मान्य करें YOLOv8n-obb मॉडल सटीकता DOTA8 डेटासेट पर। किसी तर्क को पारित करने की आवश्यकता नहीं है model अपने प्रशिक्षण को बरकरार रखता है data और मॉडल विशेषताओं के रूप में तर्क।

from ultralytics import YOLO

# Load a model
model = YOLO("yolov8n-obb.pt")  # load an official model
model = YOLO("path/to/best.pt")  # load a custom model

# Validate the model
metrics = model.val(data="dota8.yaml")  # no arguments needed, dataset and settings remembered
metrics.box.map  # map50-95(B)
metrics.box.map50  # map50(B)
metrics.box.map75  # map75(B)
metrics.box.maps  # a list contains map50-95(B) of each category

yolo obb val model=yolov8n-obb.pt data=dota8.yaml  # val official model
yolo obb val model=path/to/best.pt data=path/to/data.yaml  # val custom model

भविष्‍यवाणी करना

एक प्रशिक्षित का प्रयोग करें YOLOv8nछवियों पर भविष्यवाणियों को चलाने के लिए -OBB मॉडल।

from ultralytics import YOLO

# Load a model
model = YOLO("yolov8n-obb.pt")  # load an official model
model = YOLO("path/to/best.pt")  # load a custom model

# Predict with the model
results = model("https://ultralytics.com/images/bus.jpg")  # predict on an image

yolo obb predict model=yolov8n-obb.pt source='https://ultralytics.com/images/bus.jpg'  # predict with official model
yolo obb predict model=path/to/best.pt source='https://ultralytics.com/images/bus.jpg'  # predict with custom model

पूरा देखें predict मोड विवरण में भविष्‍यवाणी करना पृष्ठ।

निर्यातित माल

निर्यात a YOLOv8n-obb मॉडल की तरह एक अलग प्रारूप के लिए ONNX, CoreMLआदि।

from ultralytics import YOLO

# Load a model
model = YOLO("yolov8n-obb.pt")  # load an official model
model = YOLO("path/to/best.pt")  # load a custom trained model

# Export the model
model.export(format="onnx")

yolo export model=yolov8n-obb.pt format=onnx  # export official model
yolo export model=path/to/best.pt format=onnx  # export custom trained model

सुलभ YOLOv8-OBB निर्यात प्रारूप नीचे दी गई तालिका में हैं। आप का उपयोग करके किसी भी प्रारूप में निर्यात कर सकते हैं format तर्क, अर्थात। format='onnx' नहीं तो format='engine'. आप निर्यात किए गए मॉडल पर सीधे भविष्यवाणी या मान्य कर सकते हैं, अर्थात। yolo predict model=yolov8n-obb.onnx. निर्यात पूर्ण होने के बाद आपके मॉडल के लिए उपयोग के उदाहरण दिखाए जाते हैं.

पूरा देखें export में विवरण निर्यातित माल पृष्ठ।

अक्सर पूछे जाने वाले प्रश्न

ओरिएंटेड बाउंडिंग बॉक्स क्या हैं (OBB) और वे नियमित बाउंडिंग बॉक्स से कैसे भिन्न होते हैं?

ओरिएंटेड बाउंडिंग बॉक्स (OBB) छवियों में वस्तु स्थानीयकरण सटीकता को बढ़ाने के लिए एक अतिरिक्त कोण शामिल है. नियमित बाउंडिंग बॉक्स के विपरीत, जो अक्ष-संरेखित आयत हैं, ओबीबी ऑब्जेक्ट के उन्मुखीकरण को बेहतर ढंग से फिट करने के लिए घूम सकते हैं। यह विशेष रूप से सटीक ऑब्जेक्ट प्लेसमेंट की आवश्यकता वाले अनुप्रयोगों के लिए उपयोगी है, जैसे हवाई या उपग्रह इमेजरी (डेटासेट गाइड)।

मैं एक को कैसे प्रशिक्षित करूं YOLOv8n-OBB मॉडल एक कस्टम डेटासेट का उपयोग कर रहा है?

एक को प्रशिक्षित करने के लिए YOLOv8n-OBB मॉडल एक कस्टम डेटासेट के साथ, नीचे दिए गए उदाहरण का उपयोग करके अनुसरण करें Python नहीं तो CLI:

from ultralytics import YOLO

# Load a pretrained model
model = YOLO("yolov8n-obb.pt")

# Train the model
results = model.train(data="path/to/custom_dataset.yaml", epochs=100, imgsz=640)

yolo obb train data=path/to/custom_dataset.yaml model=yolov8n-obb.pt epochs=100 imgsz=640

अधिक प्रशिक्षण तर्कों के लिए, कॉन्फ़िगरेशन अनुभाग की जाँच करें ।

प्रशिक्षण के लिए मैं किन डेटासेट का उपयोग कर सकता हूं YOLOv8-OBB मॉडल?

YOLOv8-OBB मॉडल DOTAv1 जैसे डेटासेट पर पूर्व-प्रशिक्षित हैं, लेकिन आप OBB के लिए स्वरूपित किसी भी डेटासेट का उपयोग कर सकते हैं। OBB डेटासेट प्रारूपों पर विस्तृत जानकारी डेटासेट गाइड में पाई जा सकती है।

मैं एक निर्यात कैसे कर सकता हूं YOLOv8-OBB मॉडल को ONNX प्रारूप?

निर्यात करना YOLOv8-OBB मॉडल को ONNX प्रारूप या तो उपयोग करके सीधा है Python नहीं तो CLI:

from ultralytics import YOLO

# Load a model
model = YOLO("yolov8n-obb.pt")

# Export the model
model.export(format="onnx")

yolo export model=yolov8n-obb.pt format=onnx

अधिक निर्यात प्रारूपों और विवरणों के लिए, निर्यात पृष्ठ देखें।

मैं एक की सटीकता को कैसे मान्य करूं YOLOv8n-OBB मॉडल?

एक को मान्य करने के लिए YOLOv8n-OBB मॉडल, आप उपयोग कर सकते हैं Python नहीं तो CLI नीचे दिखाए गए आदेशों के रूप में:

from ultralytics import YOLO

# Load a model
model = YOLO("yolov8n-obb.pt")

# Validate the model
metrics = model.val(data="dota8.yaml")

yolo obb val model=yolov8n-obb.pt data=dota8.yaml

वैल अनुभाग में पूर्ण सत्यापन विवरण देखें।

टिप्पणियाँ