Panoramica dei set di dati per il tracciamento di più oggetti

Formato del set di dati (in arrivo)

Multi-Object Detector non necessita di addestramento autonomo e supporta direttamente modelli di rilevamento, segmentazione o posa pre-addestrati. Il supporto per l'addestramento dei soli tracker è in arrivo

Utilizzo

from ultralytics import YOLO

model = YOLO("yolo11n.pt")
results = model.track(source="https://youtu.be/LNwODJXcvt4", conf=0.3, iou=0.5, show=True)

yolo track model=yolo11n.pt source="https://youtu.be/LNwODJXcvt4" conf=0.3, iou=0.5 show

FAQ

Come si usa il Multi-Object Tracking con Ultralytics YOLO ?

Per utilizzare il Multi-Object Tracking con Ultralytics YOLO , si può iniziare utilizzando gli esempi Python o CLI forniti. Ecco come iniziare:

from ultralytics import YOLO

model = YOLO("yolo11n.pt")  # Load the YOLO11 model
results = model.track(source="https://youtu.be/LNwODJXcvt4", conf=0.3, iou=0.5, show=True)

yolo track model=yolo11n.pt source="https://youtu.be/LNwODJXcvt4" conf=0.3 iou=0.5 show

Questi comandi caricano il modello YOLO11 e lo usano per tracciare gli oggetti nella sorgente video data con una confidenza specifica (conf) e Intersezione su Union (iou). Per maggiori dettagli, consultare la sezione documentazione sulla modalità traccia.

Quali sono le prossime caratteristiche dei tracker di allenamento in Ultralytics?

Ultralytics migliora continuamente i suoi modelli di intelligenza artificiale. Una funzione imminente consentirà l'addestramento di tracker autonomi. Fino ad allora, Multi-Object Detector sfrutta i modelli di rilevamento, segmentazione o posa pre-addestrati per il tracking senza richiedere un addestramento autonomo. Rimanete aggiornati seguendo il nostro blog o controllando le funzioni in arrivo.

Perché utilizzare Ultralytics YOLO per il tracciamento di più oggetti?

Ultralytics YOLO è un modello di rilevamento degli oggetti all'avanguardia, noto per le sue prestazioni in tempo reale e l'elevata precisione. L'uso di YOLO per il tracciamento di più oggetti offre diversi vantaggi:

• Tracciamento in tempo reale: Tracciamento efficiente e ad alta velocità, ideale per gli ambienti dinamici.
• Flessibilità con i modelli pre-addestrati: Non è necessario addestrare da zero; è sufficiente utilizzare modelli di rilevamento, segmentazione o posa pre-addestrati.
• Facilità d'uso: La semplice integrazione API con Python e CLI rende semplice l'impostazione delle pipeline di tracciamento.
• Ampia documentazione e supporto della comunità: Ultralytics fornisce una documentazione completa e un forum attivo della comunità per risolvere i problemi e migliorare i vostri modelli di tracciamento.

Per maggiori dettagli sull'impostazione e l'utilizzo di YOLO per il tracciamento, visitate la nostra guida all'uso del tracciamento.

È possibile utilizzare set di dati personalizzati per il tracciamento di più oggetti con Ultralytics YOLO ?

Sì, è possibile utilizzare set di dati personalizzati per il tracciamento di più oggetti con Ultralytics YOLO . Sebbene il supporto per l'addestramento di tracker autonomi sia una funzionalità in arrivo, è già possibile utilizzare modelli pre-addestrati sui set di dati personalizzati. Preparare i dataset nel formato appropriato compatibile con YOLO e seguire la documentazione per integrarli.

Come si interpretano i risultati del modello di tracciamento Ultralytics YOLO ?

Dopo aver eseguito un lavoro di tracciamento con Ultralytics YOLO , i risultati includono vari punti di dati, come gli ID degli oggetti tracciati, le loro bounding box e i punteggi di confidenza. Ecco una breve panoramica su come interpretare questi risultati:

• ID tracciati: A ogni oggetto viene assegnato un ID univoco, che aiuta a tracciarlo tra i fotogrammi.
• Caselle di delimitazione: Indicano la posizione degli oggetti tracciati all'interno del fotogramma.
• Punteggi di fiducia: Riflettono la fiducia del modello nel rilevare l'oggetto tracciato.

Per una guida dettagliata all'interpretazione e alla visualizzazione di questi risultati, consultare la guida alla gestione dei risultati.

📅C reato 1 anno fa ✏️ Aggiornato 2 mesi fa

Commenti