рдЗрдВрд╕реНрдЯреЗрдВрд╕ рд╕реЗрдЧрдореЗрдВрдЯреЗрд╢рди
рдЙрджрд╛рд╣рд░рдг рд╡рд┐рднрд╛рдЬрди рдСрдмреНрдЬреЗрдХреНрдЯ рдбрд┐рдЯреЗрдХреНрд╢рди рдХреА рддреБрд▓рдирд╛ рдореЗрдВ рдПрдХ рдХрджрдо рдЖрдЧреЗ рдЬрд╛рддрд╛ рд╣реИ рдФрд░ рдЗрд╕рдореЗрдВ рдПрдХ рдЫрд╡рд┐ рдореЗрдВ рдЕрд▓рдЧ-рдЕрд▓рдЧ рд╡рд╕реНрддреБрдУрдВ рдХреА рдкрд╣рдЪрд╛рди рдХрд░рдирд╛ рдФрд░ рдЙрдиреНрд╣реЗрдВ рдмрд╛рдХреА рдЫрд╡рд┐ рд╕реЗ рд╡рд┐рднрд╛рдЬрд┐рдд рдХрд░рдирд╛ рд╢рд╛рдорд┐рд▓ рд╣реИред
рдПрдХ рдЙрджрд╛рд╣рд░рдг рд╡рд┐рднрд╛рдЬрди рдореЙрдбрд▓ рдХрд╛ рдЙрддреНрдкрд╛рджрди рдореБрдЦреМрдЯреЗ рдпрд╛ рдЖрдХреГрддрд┐ рдХрд╛ рдПрдХ рд╕реЗрдЯ рд╣реИ рдЬреЛ рдЫрд╡рд┐ рдореЗрдВ рдкреНрд░рддреНрдпреЗрдХ рд╡рд╕реНрддреБ рдХреЛ рд░реЗрдЦрд╛рдВрдХрд┐рдд рдХрд░рддрд╛ рд╣реИ, рд╕рд╛рде рд╣реА рдкреНрд░рддреНрдпреЗрдХ рд╡рд╕реНрддреБ рдХреЗ рд▓рд┐рдП рд╡рд░реНрдЧ рд▓реЗрдмрд▓ рдФрд░ рдЖрддреНрдорд╡рд┐рд╢реНрд╡рд╛рд╕ рд╕реНрдХреЛрд░ рдХреЗ рд╕рд╛рдеред рдЙрджрд╛рд╣рд░рдг рд╡рд┐рднрд╛рдЬрди рдЙрдкрдпреЛрдЧреА рд╣реИ рдЬрдм рдЖрдк рди рдХреЗрд╡рд▓ рдЬрд╣рд╛рдВ рд╡рд╕реНрддреБрдУрдВ рдПрдХ рдЫрд╡рд┐ рдореЗрдВ рдХрд░ рд░рд╣реЗ рд╣реИрдВ рдкрддрд╛ рдХрд░рдиреЗ рдХреА рдЬрд░реВрд░рдд рд╣реИ, рд▓реЗрдХрд┐рди рдпрд╣ рднреА рдХреНрдпрд╛ рдЙрдирдХреЗ рд╕рдЯреАрдХ рдЖрдХрд╛рд░ рд╣реИ.
рд╕рддрд░реНрдХрддрд╛: рдкреВрд░реНрд╡-рдкреНрд░рд╢рд┐рдХреНрд╖рд┐рдд рдХреЗ рд╕рд╛рде рд╡рд┐рднрд╛рдЬрди рдЪрд▓рд╛рдПрдВ Ultralytics YOLOv8 рдореЗрдВ рдореЙрдбрд▓ Python.
рдиреЛрдХ
YOLOv8 рд╕реЗрдЧрдореЗрдВрдЯ рдореЙрдбрд▓ -seg
рдкреНрд░рддреНрдпрдп, рдЕрд░реНрдерд╛рддред yolov8n-seg.pt
рдФрд░ рдкрд░ рдкреВрд░реНрд╡рдкреНрд░рд╢рд┐рдХреНрд╖рд┐рдд рд╣реИрдВ рдХреЛрдХреЛ.
рдореЙрдбрд▓
YOLOv8 рдкреВрд░реНрд╡-рдкреНрд░рд╢рд┐рдХреНрд╖рд┐рдд рд╕реЗрдЧрдореЗрдВрдЯ 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░рд╕рдВрджреВрдХ 50-95 |
рдорд╛рдирдЪрд┐рддреНрд░рдирдХрд╛рдм 50-95 |
рдЧрддрд┐ рд╕реАрдкреАрдпреВ ONNX (рдПрдордПрд╕) |
рдЧрддрд┐ рдП100 TensorRT (рдПрдордПрд╕) |
рдкрд░рдо (рдПрдо) |
рдлреНрд▓реЙрдк (рдмреА) |
---|---|---|---|---|---|---|---|
YOLOv8n-рдПрд╕рдИрдЬреА | 640 | 36.7 | 30.5 | 96.1 | 1.21 | 3.4 | 12.6 |
YOLOv8s-рдПрд╕рдИрдЬреА | 640 | 44.6 | 36.8 | 155.7 | 1.47 | 11.8 | 42.6 |
YOLOv8m-рдПрд╕рдИрдЬреА | 640 | 49.9 | 40.8 | 317.0 | 2.18 | 27.3 | 110.2 |
YOLOv8l-рдПрд╕рдИрдЬреА | 640 | 52.3 | 42.6 | 572.4 | 2.79 | 46.0 | 220.5 |
YOLOv8x-рдПрд╕рдИрдЬреА | 640 | 53.4 | 43.4 | 712.1 | 4.02 | 71.8 | 344.1 |
- mAPval рдорд╛рди рдПрдХрд▓-рдореЙрдбрд▓ рдПрдХрд▓-рдкреИрдорд╛рдиреЗ рдкрд░ рд╣реИрдВ COCO val2017 рдбреЗрдЯрд╛рд╕реЗрдЯред
рджреНрд╡рд╛рд░рд╛ рдкреНрд░рдЬрдирди рдХрд░рдирд╛yolo val segment data=coco.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 segment data=coco8-seg.yaml batch=1 device=0|cpu
рд░реЗрд▓рдЧрд╛рдбрд╝реА
рд░реЗрд▓рдЧрд╛рдбрд╝реА YOLOv8nрдЫрд╡рд┐ рдЖрдХрд╛рд░ 640 рдкрд░ 100 рдпреБрдЧреЛрдВ рдХреЗ рд▓рд┐рдП COCO128-SEG рдбреЗрдЯрд╛рд╕реЗрдЯ рдкрд░ -segред рдЙрдкрд▓рдмреНрдз рддрд░реНрдХреЛрдВ рдХреА рдкреВрд░реА рд╕реВрдЪреА рдХреЗ рд▓рд┐рдП , рдХреЙрдиреНрдлрд╝рд┐рдЧрд░реЗрд╢рди рдкреГрд╖реНрда рджреЗрдЦреЗрдВ.
рдЙрджрд╛рд╣рд░рдг
from ultralytics import YOLO
# Load a model
model = YOLO('yolov8n-seg.yaml') # build a new model from YAML
model = YOLO('yolov8n-seg.pt') # load a pretrained model (recommended for training)
model = YOLO('yolov8n-seg.yaml').load('yolov8n.pt') # build from YAML and transfer weights
# Train the model
results = model.train(data='coco8-seg.yaml', epochs=100, imgsz=640)
# Build a new model from YAML and start training from scratch
yolo segment train data=coco8-seg.yaml model=yolov8n-seg.yaml epochs=100 imgsz=640
# Start training from a pretrained *.pt model
yolo segment train data=coco8-seg.yaml model=yolov8n-seg.pt epochs=100 imgsz=640
# Build a new model from YAML, transfer pretrained weights to it and start training
yolo segment train data=coco8-seg.yaml model=yolov8n-seg.yaml pretrained=yolov8n-seg.pt epochs=100 imgsz=640
рдбреЗрдЯрд╛рд╕реЗрдЯ рдкреНрд░рд╛рд░реВрдк
YOLO рд╡рд┐рднрд╛рдЬрди 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-SEG рдореЙрдбрд▓ рд╕рдЯреАрдХрддрд╛ COCO128-SEG 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-seg.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(B)
metrics.box.map50 # map50(B)
metrics.box.map75 # map75(B)
metrics.box.maps # a list contains map50-95(B) of each category
metrics.seg.map # map50-95(M)
metrics.seg.map50 # map50(M)
metrics.seg.map75 # map75(M)
metrics.seg.maps # a list contains map50-95(M) of each category
рднрд╡рд┐рд╖реНтАНрдпрд╡рд╛рдгреА рдХрд░рдирд╛
рдПрдХ рдкреНрд░рд╢рд┐рдХреНрд╖рд┐рдд рдХрд╛ рдкреНрд░рдпреЛрдЧ рдХрд░реЗрдВ YOLOv8n-seg рдореЙрдбрд▓ рдЫрд╡рд┐рдпреЛрдВ рдкрд░ рднрд╡рд┐рд╖реНрдпрд╡рд╛рдгрд┐рдпреЛрдВ рдХреЛ рдЪрд▓рд╛рдиреЗ рдХреЗ рд▓рд┐рдПред
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-seg рдореЙрдбрд▓ рдХреА рддрд░рд╣ рдПрдХ рдЕрд▓рдЧ рдкреНрд░рд╛рд░реВрдк рдХреЗ рд▓рд┐рдП ONNX, CoreMLрдЖрджрд┐ред
рдЙрджрд╛рд╣рд░рдг
рд╕реБрд▓рдн YOLOv8-рдПрд╕рдИрдЬреА 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-seg.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-seg.pt |
тЬЕ | - |
TorchScript | torchscript |
yolov8n-seg.torchscript |
тЬЕ | imgsz , optimize , batch |
ONNX | onnx |
yolov8n-seg.onnx |
тЬЕ | imgsz , half , dynamic , simplify , opset , batch |
OpenVINO | openvino |
yolov8n-seg_openvino_model/ |
тЬЕ | imgsz , half , int8 , batch |
TensorRT | engine |
yolov8n-seg.engine |
тЬЕ | imgsz , half , dynamic , simplify , workspace , batch |
CoreML | coreml |
yolov8n-seg.mlpackage |
тЬЕ | imgsz , half , int8 , nms , batch |
TF SavedModel | saved_model |
yolov8n-seg_saved_model/ |
тЬЕ | imgsz , keras , int8 , batch |
TF GraphDef | pb |
yolov8n-seg.pb |
тЭМ | imgsz , batch |
TF рд▓рд╛рдЗрдЯ | tflite |
yolov8n-seg.tflite |
тЬЕ | imgsz , half , int8 , batch |
TF рдХрд┐рдирд╛рд░рд╛ TPU | edgetpu |
yolov8n-seg_edgetpu.tflite |
тЬЕ | imgsz , batch |
TFредрдЬреЗ рдПрд╕ | tfjs |
yolov8n-seg_web_model/ |
тЬЕ | imgsz , half , int8 , batch |
PaddlePaddle | paddle |
yolov8n-seg_paddle_model/ |
тЬЕ | imgsz , batch |
NCNN | ncnn |
yolov8n-seg_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╛рдлрд┐рдВрдЧ-рдХреНрдпреВ (1), рдЖрдпреБрд╖рдПрдХреНрд╕рд▓ (1)