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
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┐ рд╕реАрдкреАрдпреВ 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 , 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 , batch |
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
2023-11-12 рдмрдирд╛рдпрд╛ рдЧрдпрд╛, рдЕрдкрдбреЗрдЯ рдХрд┐рдпрд╛ рдЧрдпрд╛ 2024-04-27
рд▓реЗрдЦрдХ: рдЧреНрд▓реЗрди-рдЬреЛрдЪрд░ (14), рдмреБрд░рд╣рд╛рди-рдХреНрдпреВ (1), рд░рд┐рдЬрд╡рд╛рдирдореБрдирд╡реНрд╡рд░ (1), рдЖрдпреБрд╖рдПрдХреНрд╕реЗрд▓ (1), рд▓рд╛рдлрд┐рдВрдЧ-рдХреНрдпреВ (1)