рдкреЛрдЬрд╝ рдЕрдиреБрдорд╛рди
рдкреЛрдЬрд╝ рдЕрдиреБрдорд╛рди рдПрдХ рдРрд╕рд╛ рдХрд╛рд░реНрдп рд╣реИ рдЬрд┐рд╕рдореЗрдВ рдПрдХ рдЫрд╡рд┐ рдореЗрдВ рд╡рд┐рд╢рд┐рд╖реНрдЯ рдмрд┐рдВрджреБрдУрдВ рдХреЗ рд╕реНрдерд╛рди рдХреА рдкрд╣рдЪрд╛рди рдХрд░рдирд╛ рд╢рд╛рдорд┐рд▓ рд╣реИ, рдЬрд┐рд╕реЗ рдЖрдорддреМрд░ рдкрд░ рдХреАрдкреЙрдЗрдВрдЯ рдХрд╣рд╛ рдЬрд╛рддрд╛ рд╣реИред рдореБрдЦреНрдп рдмрд┐рдВрджреБ рд╡рд╕реНрддреБ рдХреЗ рд╡рд┐рднрд┐рдиреНрди рднрд╛рдЧреЛрдВ рдЬреИрд╕реЗ рдЬреЛрдбрд╝реЛрдВ, рд╕реНрдерд▓реЛрдВ рдпрд╛ рдЕрдиреНрдп рд╡рд┐рд╢рд┐рд╖реНрдЯ рд╡рд┐рд╢реЗрд╖рддрд╛рдУрдВ рдХрд╛ рдкреНрд░рддрд┐рдирд┐рдзрд┐рддреНрд╡ рдХрд░ рд╕рдХрддреЗ рд╣реИрдВред рдореБрдЦреНрдп рдмрд┐рдВрджреБрдУрдВ рдХреЗ рд╕реНрдерд╛рдиреЛрдВ рдХреЛ рдЖрдорддреМрд░ рдкрд░ 2D рдХреЗ рд╕реЗрдЯ рдХреЗ рд░реВрдк рдореЗрдВ рджрд░реНрд╢рд╛рдпрд╛ рдЬрд╛рддрд╛ рд╣реИ [x, y]
рдпрд╛ 3 рдбреА [x, y, visible]
рдирд┐рд░реНрджреЗрд╢рд╛рдВрдХред
рдореБрджреНрд░рд╛ рдЕрдиреБрдорд╛рди рдореЙрдбрд▓ рдХрд╛ рдЖрдЙрдЯрдкреБрдЯ рдмрд┐рдВрджреБрдУрдВ рдХрд╛ рдПрдХ рд╕реЗрдЯ рд╣реИ рдЬреЛ рдЫрд╡рд┐ рдореЗрдВ рдХрд┐рд╕реА рд╡рд╕реНрддреБ рдкрд░ рдХреАрдкреЙрдЗрдВрдЯ рдХрд╛ рдкреНрд░рддрд┐рдирд┐рдзрд┐рддреНрд╡ рдХрд░рддрд╛ рд╣реИ, рдЖрдорддреМрд░ рдкрд░ рдкреНрд░рддреНрдпреЗрдХ рдмрд┐рдВрджреБ рдХреЗ рд▓рд┐рдП рдЖрддреНрдорд╡рд┐рд╢реНрд╡рд╛рд╕ рд╕реНрдХреЛрд░ рдХреЗ рд╕рд╛рдеред рдкреЛрдЬрд╝ рдЕрдиреБрдорд╛рди рдПрдХ рдЕрдЪреНрдЫрд╛ рд╡рд┐рдХрд▓реНрдк рд╣реИ рдЬрдм рдЖрдкрдХреЛ рдХрд┐рд╕реА рджреГрд╢реНрдп рдореЗрдВ рдХрд┐рд╕реА рд╡рд╕реНрддреБ рдХреЗ рд╡рд┐рд╢рд┐рд╖реНрдЯ рднрд╛рдЧреЛрдВ рдФрд░ рдПрдХ рджреВрд╕рд░реЗ рдХреЗ рд╕рдВрдмрдВрдз рдореЗрдВ рдЙрдирдХреЗ рд╕реНрдерд╛рди рдХреА рдкрд╣рдЪрд╛рди рдХрд░рдиреЗ рдХреА рдЖрд╡рд╢реНрдпрдХрддрд╛ рд╣реЛрддреА рд╣реИред
рд╕рддрд░реНрдХрддрд╛: рдХреЗ рд╕рд╛рде рдЕрдиреБрдорд╛рди рд▓рдЧрд╛рдПрдВ Ultralytics YOLOv8. |
рд╕рддрд░реНрдХрддрд╛: рдХреЗ рд╕рд╛рде рдЕрдиреБрдорд╛рди рд▓рдЧрд╛рдПрдВ Ultralytics рдЪрдХреНрд░рдирд╛рднрд┐ред |
рдиреЛрдХ
YOLOv8 рднрдВрдЧрд┐рдорд╛ рдореЙрдбрд▓ рдХрд╛ рдЙрдкрдпреЛрдЧ рдХрд░реЗрдВ -pose
рдкреНрд░рддреНрдпрдп, рдЕрд░реНрдерд╛рддред yolov8n-pose.pt
. рдЗрди рдореЙрдбрд▓реЛрдВ рдХреЛ рдкреНрд░рд╢рд┐рдХреНрд╖рд┐рдд рдХрд┐рдпрд╛ рдЬрд╛рддрд╛ рд╣реИ COCO рдХреАрдкреЙрдЗрдВрдЯреНрд╕ рдбреЗрдЯрд╛рд╕реЗрдЯ рдФрд░ рд╡рд┐рднрд┐рдиреНрди рдкреНрд░рдХрд╛рд░ рдХреЗ рдкреЛрдЬрд╝ рдЕрдиреБрдорд╛рди рдХрд╛рд░реНрдпреЛрдВ рдХреЗ рд▓рд┐рдП рдЙрдкрдпреБрдХреНрдд рд╣реИрдВред
рдбрд┐рдлрд╝реЙрд▓реНрдЯ рдореЗрдВ YOLOv8 рдкреЛрдЬрд╝ рдореЙрдбрд▓, 17 рдкреНрд░рдореБрдЦ рдмрд┐рдВрджреБ рд╣реИрдВ, рдкреНрд░рддреНрдпреЗрдХ рдорд╛рдирд╡ рд╢рд░реАрд░ рдХреЗ рдПрдХ рдЕрд▓рдЧ рд╣рд┐рд╕реНрд╕реЗ рдХрд╛ рдкреНрд░рддрд┐рдирд┐рдзрд┐рддреНрд╡ рдХрд░рддрд╛ рд╣реИред рдпрд╣рд╛рдВ рдкреНрд░рддреНрдпреЗрдХ рд╕реВрдЪрдХрд╛рдВрдХ рдХрд╛ рдЙрд╕рдХреЗ рд╕рдВрдмрдВрдзрд┐рдд рд╢рд░реАрд░ рдХреЗ рдЬреЛрдбрд╝ рдореЗрдВ рдорд╛рдирдЪрд┐рддреНрд░рдг рдХрд┐рдпрд╛ рдЧрдпрд╛ рд╣реИ:
0: рдирд╛рдХ 1: рдмрд╛рдИрдВ рдЖрдБрдЦ 2: рджрд╛рд╣рд┐рдиреА рдЖрдВрдЦ 3: рдмрд╛рдПрдВ рдХрд╛рди 4: рджрд╛рдпрд╛рдВ рдХрд╛рди 5: рдмрд╛рдпрд╛рдВ рдХрдВрдзрд╛ 6: рджрд╛рдпрд╛рдВ рдХрдВрдзрд╛ 7: рдмрд╛рдИрдВ рдХреЛрд╣рдиреА 8: рджрд╛рд╣рд┐рдиреА рдХреЛрд╣рдиреА 9: рдмрд╛рдИрдВ рдХрд▓рд╛рдИ 10: рджрд╛рд╣рд┐рдиреА рдХрд▓рд╛рдИ 11: рдмрд╛рдПрдВ рдХреВрд▓реНрд╣реЗ 12: рджрд╛рдпрд╛рдВ рдХреВрд▓реНрд╣реЗ 13: рдмрд╛рдпрд╛рдВ рдШреБрдЯрдирд╛ 14: рджрд╛рд╣рд┐рдирд╛ рдШреБрдЯрдирд╛ 15: рдмрд╛рдпрд╛рдВ рдЯрдЦрдирд╛ 16: рджрд╛рдпрд╛рдВ рдЯрдЦрдирд╛
рдореЙрдбрд▓
YOLOv8 рдкреВрд░реНрд╡-рдкреНрд░рд╢рд┐рдХреНрд╖рд┐рдд рдкреЛрдЬрд╝ рдореЙрдбрд▓ рдпрд╣рд╛рдВ рджрд┐рдЦрд╛рдП рдЧрдП рд╣реИрдВред рдбрд┐рдЯреЗрдХреНрдЯ, рд╕реЗрдЧрдореЗрдВрдЯ рдФрд░ рдкреЛрдЬрд╝ рдореЙрдбрд▓ COCO рдбреЗрдЯрд╛рд╕реЗрдЯ рдкрд░ рдкреВрд░реНрд╡-рдкреНрд░рд╢рд┐рдХреНрд╖рд┐рдд рд╣реИрдВ, рдЬрдмрдХрд┐ рд╡рд░реНрдЧреАрдХреГрдд рдореЙрдбрд▓ рдЗрдореЗрдЬрдиреЗрдЯ рдбреЗрдЯрд╛рд╕реЗрдЯ рдкрд░ рдкреВрд░реНрд╡-рдкреНрд░рд╢рд┐рдХреНрд╖рд┐рдд рд╣реИрдВред
рдореЙрдбрд▓ рдирд╡реАрдирддрдо рд╕реЗ рд╕реНрд╡рдЪрд╛рд▓рд┐рдд рд░реВрдк рд╕реЗ рдбрд╛рдЙрдирд▓реЛрдб рдХрд░рддреЗ рд╣реИрдВ Ultralytics рдкрд╣рд▓реЗ рдЙрдкрдпреЛрдЧ рдкрд░ рд░рд┐рд▓реАрдЬ рдХрд░реЗрдВред
рдХреЛ рдЧрдврд╝рдирд╛ | рдЖрдХрд╛рд░ рд╡рд╛рд▓рд╛ (рдкрд┐рдХреНрд╕реЗрд▓) |
рдорд╛рдирдЪрд┐рддреНрд░рднрдВрдЧрд┐рдорд╛ 50-95 |
рдорд╛рдирдЪрд┐рддреНрд░рднрдВрдЧрд┐рдорд╛ 50 |
рдЧрддрд┐ CPU ONNX (рдПрдордПрд╕) |
рдЧрддрд┐ рдП100 TensorRT (рдПрдордПрд╕) |
рдкрд░рдо (рдПрдо) |
рдлреНрд▓реЙрдк (рдмреА) |
---|---|---|---|---|---|---|---|
YOLOv8n-рднрдВрдЧрд┐рдорд╛ | 640 | 50.4 | 80.1 | 131.8 | 1.18 | 3.3 | 9.2 |
YOLOv8s-рднрдВрдЧрд┐рдорд╛ | 640 | 60.0 | 86.2 | 233.2 | 1.42 | 11.6 | 30.2 |
YOLOv8m-рднрдВрдЧрд┐рдорд╛ | 640 | 65.0 | 88.8 | 456.3 | 2.00 | 26.4 | 81.0 |
YOLOv8l-рднрдВрдЧрд┐рдорд╛ | 640 | 67.6 | 90.0 | 784.5 | 2.59 | 44.4 | 168.6 |
YOLOv8x-рднрдВрдЧрд┐рдорд╛ | 640 | 69.2 | 90.2 | 1607.1 | 3.73 | 69.4 | 263.2 |
YOLOv8x-рдкреЛрдЬрд╝-p6 | 1280 | 71.6 | 91.2 | 4088.7 | 10.04 | 99.1 | 1066.4 |
- mAPval рдорд╛рди рдПрдХрд▓-рдореЙрдбрд▓ рдПрдХрд▓-рдкреИрдорд╛рдиреЗ рдкрд░ рд╣реИрдВ COCO рдХреАрдкреЙрдЗрдВрдЯреНрд╕ val2017 рдбреЗрдЯрд╛рд╕реЗрдЯред
рджреНрд╡рд╛рд░рд╛ рдкреНрд░рдЬрдирди рдХрд░рдирд╛yolo val pose data=coco-pose.yaml device=0
- рдЧрддрд┐ рдПрдХ рдХрд╛ рдЙрдкрдпреЛрдЧ рдХрд░ COCO val рдЫрд╡рд┐рдпреЛрдВ рдкрд░ рдФрд╕рдд рдЕрдореЗрдЬрд╝рди EC2 P4d рдЙрджрд╛рд╣рд░рдгред
рджреНрд╡рд╛рд░рд╛ рдкреНрд░рдЬрдирди рдХрд░рдирд╛yolo val pose data=coco8-pose.yaml batch=1 device=0|cpu
рд░реЗрд▓рдЧрд╛рдбрд╝реА
рдЯреНрд░реЗрди рдП YOLOv8-pose рдореЙрдбрд▓ COCO128-pose рдбреЗрдЯрд╛рд╕реЗрдЯ рдкрд░ред
рдЙрджрд╛рд╣рд░рдг
from ultralytics import YOLO
# Load a model
model = YOLO("yolov8n-pose.yaml") # build a new model from YAML
model = YOLO("yolov8n-pose.pt") # load a pretrained model (recommended for training)
model = YOLO("yolov8n-pose.yaml").load("yolov8n-pose.pt") # build from YAML and transfer weights
# Train the model
results = model.train(data="coco8-pose.yaml", epochs=100, imgsz=640)
# Build a new model from YAML and start training from scratch
yolo pose train data=coco8-pose.yaml model=yolov8n-pose.yaml epochs=100 imgsz=640
# Start training from a pretrained *.pt model
yolo pose train data=coco8-pose.yaml model=yolov8n-pose.pt epochs=100 imgsz=640
# Build a new model from YAML, transfer pretrained weights to it and start training
yolo pose train data=coco8-pose.yaml model=yolov8n-pose.yaml pretrained=yolov8n-pose.pt epochs=100 imgsz=640
рдбреЗрдЯрд╛рд╕реЗрдЯ рдкреНрд░рд╛рд░реВрдк
YOLO рдбреЗрдЯрд╛рд╕реЗрдЯ рдкреНрд░рд╛рд░реВрдк рдбреЗрдЯрд╛рд╕реЗрдЯ рдЧрд╛рдЗрдб рдореЗрдВ рд╡рд┐рд╕реНрддрд╛рд░ рд╕реЗ рдкрд╛рдпрд╛ рдЬрд╛ рд╕рдХрддрд╛ рд╣реИред рдЕрдкрдиреЗ рдореМрдЬреВрджрд╛ рдбреЗрдЯрд╛рд╕реЗрдЯ рдХреЛ рдЕрдиреНрдп рдкреНрд░рд╛рд░реВрдкреЛрдВ (рдЬреИрд╕реЗ COCO рдЖрджрд┐) рд╕реЗ рдмрджрд▓рдиреЗ рдХреЗ рд▓рд┐рдП YOLO рдкреНрд░рд╛рд░реВрдк, рдХреГрдкрдпрд╛ JSON2YOLO рдЯреВрд▓ рдХрд╛ рдЙрдкрдпреЛрдЧ рдХрд░реЗрдВ Ultralytics.
рд╡реИрд▓
рдкреНрд░рд╢рд┐рдХреНрд╖рд┐рдд рдорд╛рдиреНрдп рдХрд░реЗрдВ YOLOv8n-pose рдореЙрдбрд▓ рд╕рдЯреАрдХрддрд╛ COCO128-рдореБрджреНрд░рд╛ рдбреЗрдЯрд╛рд╕реЗрдЯ рдкрд░ред рдХрд┐рд╕реА рддрд░реНрдХ рдХреЛ рдкрд╛рд░рд┐рдд рдХрд░рдиреЗ рдХреА рдЖрд╡рд╢реНрдпрдХрддрд╛ рдирд╣реАрдВ рд╣реИ model
рдЕрдкрдиреЗ рдкреНрд░рд╢рд┐рдХреНрд╖рдг рдХреЛ рдмрд░рдХрд░рд╛рд░ рд░рдЦрддрд╛ рд╣реИ data
рдФрд░ рдореЙрдбрд▓ рд╡рд┐рд╢реЗрд╖рддрд╛рдУрдВ рдХреЗ рд░реВрдк рдореЗрдВ рддрд░реНрдХред
рдЙрджрд╛рд╣рд░рдг
from ultralytics import YOLO
# Load a model
model = YOLO("yolov8n-pose.pt") # load an official model
model = YOLO("path/to/best.pt") # load a custom model
# Validate the model
metrics = model.val() # no arguments needed, dataset and settings remembered
metrics.box.map # map50-95
metrics.box.map50 # map50
metrics.box.map75 # map75
metrics.box.maps # a list contains map50-95 of each category
рднрд╡рд┐рд╖реНтАНрдпрд╡рд╛рдгреА рдХрд░рдирд╛
рдПрдХ рдкреНрд░рд╢рд┐рдХреНрд╖рд┐рдд рдХрд╛ рдкреНрд░рдпреЛрдЧ рдХрд░реЗрдВ YOLOv8nрдЫрд╡рд┐рдпреЛрдВ рдкрд░ рднрд╡рд┐рд╖реНрдпрд╡рд╛рдгрд┐рдпреЛрдВ рдХреЛ рдЪрд▓рд╛рдиреЗ рдХреЗ рд▓рд┐рдП рдореЙрдбрд▓ рдмрдирд╛рдПрдВред
рдЙрджрд╛рд╣рд░рдг
рдкреВрд░рд╛ рджреЗрдЦреЗрдВ predict
рдореЛрдб рд╡рд┐рд╡рд░рдг рдореЗрдВ рднрд╡рд┐рд╖реНтАНрдпрд╡рд╛рдгреА рдХрд░рдирд╛ рдкреГрд╖реНрдаред
рдирд┐рд░реНрдпрд╛рддрд┐рдд рдорд╛рд▓
рдирд┐рд░реНрдпрд╛рдд a YOLOv8n рдореЙрдбрд▓ рдХреЛ рдПрдХ рдЕрд▓рдЧ рдкреНрд░рд╛рд░реВрдк рдореЗрдВ рдкреЛрдЬ рджреЗрдВ рдЬреИрд╕реЗ ONNX, CoreMLрдЖрджрд┐ред
рдЙрджрд╛рд╣рд░рдг
рд╕реБрд▓рдн YOLOv8-рдореБрджреНрд░рд╛ рдирд┐рд░реНрдпрд╛рдд рдкреНрд░рд╛рд░реВрдк рдиреАрдЪреЗ рджреА рдЧрдИ рддрд╛рд▓рд┐рдХрд╛ рдореЗрдВ рд╣реИрдВред рдЖрдк рдХрд╛ рдЙрдкрдпреЛрдЧ рдХрд░рдХреЗ рдХрд┐рд╕реА рднреА рдкреНрд░рд╛рд░реВрдк рдореЗрдВ рдирд┐рд░реНрдпрд╛рдд рдХрд░ рд╕рдХрддреЗ рд╣реИрдВ format
рддрд░реНрдХ, рдЕрд░реНрдерд╛рддред format='onnx'
рдирд╣реАрдВ рддреЛ format='engine'
. рдЖрдк рдирд┐рд░реНрдпрд╛рдд рдХрд┐рдП рдЧрдП рдореЙрдбрд▓ рдкрд░ рд╕реАрдзреЗ рднрд╡рд┐рд╖реНрдпрд╡рд╛рдгреА рдпрд╛ рдорд╛рдиреНрдп рдХрд░ рд╕рдХрддреЗ рд╣реИрдВ, рдЕрд░реНрдерд╛рддред yolo predict model=yolov8n-pose.onnx
. рдирд┐рд░реНрдпрд╛рдд рдкреВрд░реНрдг рд╣реЛрдиреЗ рдХреЗ рдмрд╛рдж рдЖрдкрдХреЗ рдореЙрдбрд▓ рдХреЗ рд▓рд┐рдП рдЙрдкрдпреЛрдЧ рдХреЗ рдЙрджрд╛рд╣рд░рдг рджрд┐рдЦрд╛рдП рдЬрд╛рддреЗ рд╣реИрдВ.
рдкреНрд░рд╛рд░реВрдк | format рдпреБрдХреНрддрд┐ |
рдХреЛ рдЧрдврд╝рдирд╛ | рдореЗрдЯрд╛рдбреЗрдЯрд╛ | рддрд░реНрдХ |
---|---|---|---|---|
PyTorch | - | yolov8n-pose.pt |
тЬЕ | - |
TorchScript | torchscript |
yolov8n-pose.torchscript |
тЬЕ | imgsz , optimize , batch |
ONNX | onnx |
yolov8n-pose.onnx |
тЬЕ | imgsz , half , dynamic , simplify , opset , batch |
OpenVINO | openvino |
yolov8n-pose_openvino_model/ |
тЬЕ | imgsz , half , int8 , batch |
TensorRT | engine |
yolov8n-pose.engine |
тЬЕ | imgsz , half , dynamic , simplify , workspace , int8 , batch |
CoreML | coreml |
yolov8n-pose.mlpackage |
тЬЕ | imgsz , half , int8 , nms , batch |
TF SavedModel | saved_model |
yolov8n-pose_saved_model/ |
тЬЕ | imgsz , keras , int8 , batch |
TF GraphDef | pb |
yolov8n-pose.pb |
тЭМ | imgsz , batch |
TF рд▓рд╛рдЗрдЯ | tflite |
yolov8n-pose.tflite |
тЬЕ | imgsz , half , int8 , batch |
TF рдХрд┐рдирд╛рд░рд╛ TPU | edgetpu |
yolov8n-pose_edgetpu.tflite |
тЬЕ | imgsz |
TFредрдЬреЗ рдПрд╕ | tfjs |
yolov8n-pose_web_model/ |
тЬЕ | imgsz , half , int8 , batch |
PaddlePaddle | paddle |
yolov8n-pose_paddle_model/ |
тЬЕ | imgsz , batch |
NCNN | ncnn |
yolov8n-pose_ncnn_model/ |
тЬЕ | imgsz , half , batch |
рдкреВрд░рд╛ рджреЗрдЦреЗрдВ export
рдореЗрдВ рд╡рд┐рд╡рд░рдг рдирд┐рд░реНрдпрд╛рддрд┐рдд рдорд╛рд▓ рдкреГрд╖реНрдаред
рдЕрдХреНрд╕рд░ рдкреВрдЫреЗ рдЬрд╛рдиреЗ рд╡рд╛рд▓реЗ рдкреНрд░рд╢реНрди
рдкреЛрдЬ рдПрд╕реНрдЯреАрдореЗрд╢рди рдХрд┐рд╕рдХреЗ рд╕рд╛рде рд╣реИ Ultralytics YOLOv8 рдФрд░ рдпрд╣ рдХреИрд╕реЗ рдХрд╛рдо рдХрд░рддрд╛ рд╣реИ?
рдХреЗ рд╕рд╛рде рдЕрдиреБрдорд╛рди рд▓рдЧрд╛рдПрдВ Ultralytics YOLOv8 рдПрдХ рдЫрд╡рд┐ рдореЗрдВ рд╡рд┐рд╢рд┐рд╖реНрдЯ рдмрд┐рдВрджреБрдУрдВ рдХреА рдкрд╣рдЪрд╛рди рдХрд░рдирд╛ рд╢рд╛рдорд┐рд▓ рд╣реИ, рдЬрд┐рдиреНрд╣реЗрдВ рдХреАрдкреЙрдЗрдВрдЯ рдХреЗ рд░реВрдк рдореЗрдВ рдЬрд╛рдирд╛ рдЬрд╛рддрд╛ рд╣реИред рдпреЗ рдореБрдЦреНрдп рдмрд┐рдВрджреБ рдЖрдорддреМрд░ рдкрд░ рдЬреЛрдбрд╝реЛрдВ рдпрд╛ рд╡рд╕реНрддреБ рдХреА рдЕрдиреНрдп рдорд╣рддреНрд╡рдкреВрд░реНрдг рд╡рд┐рд╢реЗрд╖рддрд╛рдУрдВ рдХрд╛ рдкреНрд░рддрд┐рдирд┐рдзрд┐рддреНрд╡ рдХрд░рддреЗ рд╣реИрдВред рдЖрдЙрдЯрдкреБрдЯ рдореЗрдВ рд╢рд╛рдорд┐рд▓ рд╣реИрдВ [x, y]
рдирд┐рд░реНрджреЗрд╢рд╛рдВрдХ рдФрд░ рдкреНрд░рддреНрдпреЗрдХ рдмрд┐рдВрджреБ рдХреЗ рд▓рд┐рдП рдЖрддреНрдорд╡рд┐рд╢реНрд╡рд╛рд╕ рд╕реНрдХреЛрд░ред YOLOv8-рдкреЛрдЬрд╝ рдореЙрдбрд▓ рд╡рд┐рд╢реЗрд╖ рд░реВрдк рд╕реЗ рдЗрд╕ рдХрд╛рд░реНрдп рдХреЗ рд▓рд┐рдП рдбрд┐рдЬрд╝рд╛рдЗрди рдХрд┐рдП рдЧрдП рд╣реИрдВ рдФрд░ рдЗрд╕рдХрд╛ рдЙрдкрдпреЛрдЧ рдХрд░рддреЗ рд╣реИрдВ -pose
рдкреНрд░рддреНрдпрдп, рдЬреИрд╕реЗ yolov8n-pose.pt
. рдЗрди рдореЙрдбрд▓реЛрдВ рдХреЛ рдбреЗрдЯрд╛рд╕реЗрдЯ рдкрд░ рдкреВрд░реНрд╡-рдкреНрд░рд╢рд┐рдХреНрд╖рд┐рдд рдХрд┐рдпрд╛ рдЬрд╛рддрд╛ рд╣реИ рдЬреИрд╕реЗ COCO рдХреАрдкреЙрдЗрдВрдЯреНрд╕ рдФрд░ рд╡рд┐рднрд┐рдиреНрди рдореБрджреНрд░рд╛ рдЖрдХрд▓рди рдХрд╛рд░реНрдпреЛрдВ рдХреЗ рд▓рд┐рдП рдЗрд╕реНрддреЗрдорд╛рд▓ рдХрд┐рдпрд╛ рдЬрд╛ рд╕рдХрддрд╛ рд╣реИред рдЕрдзрд┐рдХ рдЬрд╛рдирдХрд╛рд░реА рдХреЗ рд▓рд┐рдП, рдкрд░ рдЬрд╛рдПрдБ рдореБрджреНрд░рд╛ рдЕрдиреБрдорд╛рди рдкреГрд╖реНрда.
рдореИрдВ рдХреИрд╕реЗ рдкреНрд░рд╢рд┐рдХреНрд╖рд┐рдд рдХрд░ рд╕рдХрддрд╛ рд╣реВрдВ YOLOv8-рдПрдХ рдХрд╕реНрдЯрдо рдбреЗрдЯрд╛рд╕реЗрдЯ рдкрд░ рдореЙрдбрд▓?
рдкреНрд░рд╢рд┐рдХреНрд╖рдг рдПрдХ YOLOv8-рдкреЛрдЬрд╝ рдореЙрдбрд▓ рдПрдХ рдХрд╕реНрдЯрдо рдбреЗрдЯрд╛рд╕реЗрдЯ рдкрд░ рдПрдХ рдореЙрдбрд▓ рд▓реЛрдб рдХрд░рдирд╛ рд╢рд╛рдорд┐рд▓ рд╣реИ, рдпрд╛ рддреЛ рдПрдХ YAML рдлрд╝рд╛рдЗрд▓ рдпрд╛ рдкреВрд░реНрд╡-рдкреНрд░рд╢рд┐рдХреНрд╖рд┐рдд рдореЙрдбрд▓ рджреНрд╡рд╛рд░рд╛ рдкрд░рд┐рднрд╛рд╖рд┐рдд рдПрдХ рдирдпрд╛ рдореЙрдбрд▓ред рдлрд┐рд░ рдЖрдк рдЕрдкрдиреЗ рдирд┐рд░реНрджрд┐рд╖реНрдЯ рдбреЗрдЯрд╛рд╕реЗрдЯ рдФрд░ рдорд╛рдкрджрдВрдбреЛрдВ рдХрд╛ рдЙрдкрдпреЛрдЧ рдХрд░рдХреЗ рдкреНрд░рд╢рд┐рдХреНрд╖рдг рдкреНрд░рдХреНрд░рд┐рдпрд╛ рд╢реБрд░реВ рдХрд░ рд╕рдХрддреЗ рд╣реИрдВред
from ultralytics import YOLO
# Load a model
model = YOLO("yolov8n-pose.yaml") # build a new model from YAML
model = YOLO("yolov8n-pose.pt") # load a pretrained model (recommended for training)
# Train the model
results = model.train(data="your-dataset.yaml", epochs=100, imgsz=640)
рдкреНрд░рд╢рд┐рдХреНрд╖рдг рдХреЗ рдмрд╛рд░реЗ рдореЗрдВ рд╡реНрдпрд╛рдкрдХ рдЬрд╛рдирдХрд╛рд░реА рдХреЗ рд▓рд┐рдП, рдЯреНрд░реЗрди рдЕрдиреБрднрд╛рдЧ рджреЗрдЦреЗрдВред
рдореИрдВ рдПрдХ рдкреНрд░рд╢рд┐рдХреНрд╖рд┐рдд рдХреЛ рдХреИрд╕реЗ рдорд╛рдиреНрдп рдХрд░реВрдВ YOLOv8-рдкреЛрдЬрд╝ рдореЙрдбрд▓?
рдПрдХ рдХрд╛ рд╕рддреНрдпрд╛рдкрди YOLOv8-рдкреЛрдЬрд╝ рдореЙрдбрд▓ рдореЗрдВ рдкреНрд░рд╢рд┐рдХреНрд╖рдг рдХреЗ рджреМрд░рд╛рди рдмрдирд╛рдП рдЧрдП рд╕рдорд╛рди рдбреЗрдЯрд╛рд╕реЗрдЯ рдорд╛рдкрджрдВрдбреЛрдВ рдХрд╛ рдЙрдкрдпреЛрдЧ рдХрд░рдХреЗ рдЗрд╕рдХреА рд╕рдЯреАрдХрддрд╛ рдХрд╛ рдЖрдХрд▓рди рдХрд░рдирд╛ рд╢рд╛рдорд┐рд▓ рд╣реИред рдпрд╣рд╛рдБ рдПрдХ рдЙрджрд╛рд╣рд░рдг рд╣реИ:
from ultralytics import YOLO
# Load a model
model = YOLO("yolov8n-pose.pt") # load an official model
model = YOLO("path/to/best.pt") # load a custom model
# Validate the model
metrics = model.val() # no arguments needed, dataset and settings remembered
рдЕрдзрд┐рдХ рдЬрд╛рдирдХрд╛рд░реА рдХреЗ рд▓рд┐рдП, рд╡реИрд▓ рд╕реЗрдХреНрд╢рди рдкрд░ рдЬрд╛рдПрдВред
рдХреНрдпрд╛ рдореИрдВ рдПрдХ рдирд┐рд░реНрдпрд╛рдд рдХрд░ рд╕рдХрддрд╛ рд╣реВрдВ YOLOv8-рдкреЛрдЬрд╝ рдореЙрдбрд▓ рдХреЛ рдЕрдиреНрдп рдкреНрд░рд╛рд░реВрдкреЛрдВ рдореЗрдВ, рдФрд░ рдХреИрд╕реЗ?
рд╣рд╛рдБ, рдЖрдк рдПрдХ рдирд┐рд░реНрдпрд╛рдд рдХрд░ рд╕рдХрддреЗ рд╣реИрдВ YOLOv8рдЬреИрд╕реЗ рд╡рд┐рднрд┐рдиреНрди рдкреНрд░рд╛рд░реВрдкреЛрдВ рдХреЗ рд▓рд┐рдП -pose рдореЙрдбрд▓ ONNX, CoreML, TensorRT, рдФрд░ рдЕрдзрд┐рдХред рдпрд╣ рдпрд╛ рддреЛ рдЙрдкрдпреЛрдЧ рдХрд░рдХреЗ рдХрд┐рдпрд╛ рдЬрд╛ рд╕рдХрддрд╛ рд╣реИ Python рдпрд╛ рдХрдорд╛рдВрдб рд▓рд╛рдЗрди рдЗрдВрдЯрд░рдлрд╝реЗрд╕ (CLI).
from ultralytics import YOLO
# Load a model
model = YOLO("yolov8n-pose.pt") # load an official model
model = YOLO("path/to/best.pt") # load a custom trained model
# Export the model
model.export(format="onnx")
рдЕрдзрд┐рдХ рд╡рд┐рд╡рд░рдг рдХреЗ рд▓рд┐рдП рдирд┐рд░реНрдпрд╛рдд рдЕрдиреБрднрд╛рдЧ рджреЗрдЦреЗрдВред
рдХреНрдпрд╛ рдЙрдкрд▓рдмреНрдз рд╣реИрдВ Ultralytics YOLOv8-рдкреЛрдЬрд╝ рдореЙрдбрд▓ рдФрд░ рдЙрдирдХреЗ рдкреНрд░рджрд░реНрд╢рди рдореЗрдЯреНрд░рд┐рдХреНрд╕?
Ultralytics YOLOv8 рд╡рд┐рднрд┐рдиреНрди рдкреВрд░реНрд╡-рдкреНрд░рд╢рд┐рдХреНрд╖рд┐рдд рдореБрджреНрд░рд╛ рдореЙрдбрд▓ рдкреНрд░рджрд╛рди рдХрд░рддрд╛ рд╣реИ рдЬреИрд╕реЗ рдХрд┐ YOLOv8n-рднрдВрдЧрд┐рдорд╛ YOLOv8s-рднрдВрдЧрд┐рдорд╛ YOLOv8m-рдореБрджреНрд░рд╛, рджреВрд╕рд░реЛрдВ рдХреЗ рдмреАрдЪ рдореЗрдВред рдпреЗ рдореЙрдбрд▓ рдЖрдХрд╛рд░, рд╕рдЯреАрдХрддрд╛ (рдПрдордПрдкреА) рдФрд░ рдЧрддрд┐ рдореЗрдВ рднрд┐рдиреНрди рд╣реИрдВред рдЙрджрд╛рд╣рд░рдг рдХреЗ рд▓рд┐рдП, YOLOv8n-рдкреЛрдЬрд╝ рдореЙрдбрд▓ 50.4 рдХрд╛ рдПрдордПрдкреАрдкреЛрдЬрд╝50-95 рдФрд░ 80.1 рдХрд╛ рдПрдордПрдкреАрдкреЛрдЬрд╝50 рдкреНрд░рд╛рдкреНрдд рдХрд░рддрд╛ рд╣реИред рдкреВрд░реА рд╕реВрдЪреА рдФрд░ рдкреНрд░рджрд░реНрд╢рди рд╡рд┐рд╡рд░рдг рдХреЗ рд▓рд┐рдП, рдореЙрдбрд▓ рдЕрдиреБрднрд╛рдЧ рдкрд░ рдЬрд╛рдПрдВред
рдмрдирд╛рдпрд╛ рдЧрдпрд╛ 2023-11-12, рдЕрджреНрдпрддрди 2024-07-08
рд▓реЗрдЦрдХ: k-2feng@hotmail.com (1), рдЧреНрд▓реЗрди-рдЬреЛрдЪрд░ (20), рдмреБрд░рд╣рд╛рди-рдХреНрдпреВ (4), рд░рд┐рдЬрд╡рд╛рди рдореБрдирд╡реНрд╡рд░ (1), рдЖрдпреБрд╖рдПрдХреНрд╕рд▓ (1), рд▓рд╛рдлрд┐рдВрдЧ-рдХреНрдпреВ (1)