Suddivisione in riquadri ad alta risoluzione

Usa tile=True per elaborare immagini ad alta risoluzione in finestre sovrapposte prima di ridimensionarle all'input del modello. In questo modo puoi preservare i dettagli degli oggetti piccoli che andrebbero persi ridimensionando l'intera immagine. Non serve installare pacchetti aggiuntivi.

La suddivisione in tile usa le normali pipeline di addestramento, validazione e inferenza. L'inferenza restituisce un oggetto Results per ogni immagine originale. La validazione unisce le previsioni prima di valutarle rispetto alle annotazioni originali; la loss di addestramento viene calcolata sui tile.

Utilizzo#

from ultralytics import YOLO

model = YOLO("yolo26n.pt")
model.train(data="aerial.yaml", tile=True, imgsz=640)
metrics = model.val(data="aerial.yaml", tile=True, imgsz=640)
results = model.predict("large-image.tif", tile=640, imgsz=640, batch=8)

yolo predict model=yolo26n.pt source=large-image.tif tile=640 imgsz=640 batch=8

tile=True usa imgsz come dimensione della finestra. Un intero positivo, ad esempio tile=1024, imposta la dimensione della finestra indipendentemente da imgsz. tile=False è il valore predefinito. Le finestre si sovrappongono del 20%, con le finestre finali allineate al bordo dell'immagine. Per le immagini più piccole si usa un'unica finestra che copre l'intera immagine.

batch controlla quanti tile il modello elabora insieme durante l'inferenza. Il backend esistente gestisce le dimensioni fisse dei batch esportati, compreso l'ultimo batch parziale. I modelli esportati mantengono il normale grafo di input; la suddivisione in tile avviene nella pipeline di inferenza Python.

Per i video, trasmetti i risultati in streaming per mantenere limitato l'uso della memoria e usa le opzioni di predizione esistenti per salvarli o visualizzarli:

for result in model.predict("video.mp4", tile=640, stream=True, save=True):
    print(result.boxes)

yolo predict model=yolo26n.pt source=video.mp4 tile=640 save=True

Attività e modelli#

La pipeline condivisa supporta l'inferenza con modelli YOLO per attività, YOLO-World, YOLOE, RT-DETR e FastSAM. I prompt visivi di YOLOE vengono incorporati dall'intera immagine sorgente e riutilizzati dai suoi tile. FastSAM seleziona le maschere richieste dopo averle unite nelle coordinate sorgente. I predittori SAM mantengono la propria pipeline di prompt e generazione dei ritagli; non accettano tile.

Durante l'addestramento, i riquadri e i poligoni vengono ritagliati in base alle rispettive finestre, il ritaglio degli OBB ne preserva l'orientamento e i punti chiave fuori dalla finestra perdono visibilità. Le istanze con meno del 10% dell'area originale del riquadro di delimitazione vengono rimosse. Le finestre vuote rimangono esempi negativi. I target semantici e di profondità usano le stesse finestre delle immagini corrispondenti.

Prestazioni e qualità#

• La suddivisione in tile esegue più passaggi del modello rispetto all'inferenza sull'intera immagine. Scegli le dimensioni maggiori possibili per tile e batch che preservino i dettagli necessari senza superare la memoria disponibile.
• I tile consecutivi riutilizzano la sorgente decodificata. Con cache="ram", l'addestramento memorizza le immagini sorgente una sola volta; cache="disk" usa la cache di immagini esistente. L'addestramento mescola i tile, quindi la memorizzazione nella cache è particolarmente utile per le immagini sorgente compresse di grandi dimensioni.
• Le maschere e le mappe dense con le dimensioni della sorgente richiedono comunque memoria proporzionale all'immagine originale. max_det limita il numero di maschere di istanza conservate.
• La suddivisione in tile elimina il contesto globale. Convalida la precisione sui tuoi dati, soprattutto per la classificazione e la profondità, i cui risultati sui tile potrebbero non essere coerenti a livello globale.
• La soppressione dei duplicati seleziona le previsioni complete; non ricostruisce un oggetto a partire da frammenti visibili separati. La sovrapposizione riduce il troncamento ai bordi, ma non può eliminarlo per gli oggetti più grandi di un tile.
• Le sorgenti tensor, embed e visualize non sono supportate. Il tracking viene eseguito sulle predizioni unite una volta per ogni fotogramma sorgente, incluse le feature ReID.