Ritaglio di oggetti utilizzando Ultralytics YOLOv8

Che cos'è il ritaglio degli oggetti?

Il ritaglio degli oggetti con Ultralytics YOLOv8 consiste nell'isolare ed estrarre specifici oggetti rilevati da un'immagine o da un video. Le funzionalità del modello YOLOv8 vengono utilizzate per identificare e delineare con precisione gli oggetti, consentendo un ritaglio preciso per ulteriori analisi o manipolazioni.

Guarda: Ritaglio di oggetti utilizzando Ultralytics YOLOv8

Vantaggi del ritaglio degli oggetti?

• Analisi focalizzata: YOLOv8 facilita il ritaglio mirato degli oggetti, consentendo un esame o un'elaborazione approfondita di singoli elementi all'interno di una scena.
• Riduzione del volume dei dati: Estraendo solo gli oggetti rilevanti, il ritaglio degli oggetti aiuta a ridurre al minimo le dimensioni dei dati, rendendoli efficienti per l'archiviazione, la trasmissione o le successive attività di calcolo.
• Maggiore precisione: l'accuratezza del rilevamento degli oggetti di YOLOv8 garantisce che gli oggetti ritagliati mantengano le loro relazioni spaziali, preservando l'integrità delle informazioni visive per un'analisi dettagliata.

Immagini

Bagagli per l'aeroporto
Ritaglio di valigie al nastro trasportatore dell'aeroporto con l'uso di Ultralytics YOLOv8

import os

import cv2

from ultralytics import YOLO
from ultralytics.utils.plotting import Annotator, colors

model = YOLO("yolov8n.pt")
names = model.names

cap = cv2.VideoCapture("path/to/video/file.mp4")
assert cap.isOpened(), "Error reading video file"
w, h, fps = (int(cap.get(x)) for x in (cv2.CAP_PROP_FRAME_WIDTH, cv2.CAP_PROP_FRAME_HEIGHT, cv2.CAP_PROP_FPS))

crop_dir_name = "ultralytics_crop"
if not os.path.exists(crop_dir_name):
    os.mkdir(crop_dir_name)

# Video writer
video_writer = cv2.VideoWriter("object_cropping_output.avi", cv2.VideoWriter_fourcc(*"mp4v"), fps, (w, h))

idx = 0
while cap.isOpened():
    success, im0 = cap.read()
    if not success:
        print("Video frame is empty or video processing has been successfully completed.")
        break

    results = model.predict(im0, show=False)
    boxes = results[0].boxes.xyxy.cpu().tolist()
    clss = results[0].boxes.cls.cpu().tolist()
    annotator = Annotator(im0, line_width=2, example=names)

    if boxes is not None:
        for box, cls in zip(boxes, clss):
            idx += 1
            annotator.box_label(box, color=colors(int(cls), True), label=names[int(cls)])

            crop_obj = im0[int(box[1]) : int(box[3]), int(box[0]) : int(box[2])]

            cv2.imwrite(os.path.join(crop_dir_name, str(idx) + ".png"), crop_obj)

    cv2.imshow("ultralytics", im0)
    video_writer.write(im0)

    if cv2.waitKey(1) & 0xFF == ord("q"):
        break

cap.release()
video_writer.release()
cv2.destroyAllWindows()

Argomenti model.predict

DOMANDE FREQUENTI

Cos'è il ritaglio degli oggetti in Ultralytics YOLOv8 e come funziona?

Il ritaglio di oggetti utilizzando Ultralytics YOLOv8 consiste nell'isolare ed estrarre oggetti specifici da un'immagine o un video in base alle capacità di rilevamento di YOLOv8. Questo processo consente un'analisi mirata, una riduzione del volume di dati e una maggiore precisione, sfruttando YOLOv8 per identificare gli oggetti con grande precisione e ritagliarli di conseguenza. Per un tutorial approfondito, consulta l'esempio di ritaglio degli oggetti.

Perché dovrei utilizzare Ultralytics YOLOv8 per il ritaglio degli oggetti rispetto ad altre soluzioni?

Ultralytics YOLOv8 si distingue per la sua precisione, velocità e facilità d'uso. Permette il rilevamento e il ritaglio dettagliato e accurato degli oggetti, essenziale per le analisi mirate e per le applicazioni che richiedono un'elevata integrità dei dati. Inoltre, YOLOv8 si integra perfettamente con strumenti come OpenVINO e TensorRT per le implementazioni che richiedono funzionalità in tempo reale e ottimizzazione su hardware diversi. Scopri i vantaggi nella guida sull'esportazione dei modelli.

Come posso ridurre il volume dei dati del mio set di dati utilizzando il ritaglio degli oggetti?

Utilizzando Ultralytics YOLOv8 per ritagliare solo gli oggetti rilevanti dalle tue immagini o dai tuoi video, puoi ridurre significativamente le dimensioni dei dati, rendendoli più efficienti per l'archiviazione e l'elaborazione. Questo processo prevede l'addestramento del modello per rilevare oggetti specifici e poi l'utilizzo dei risultati per ritagliare e salvare solo queste porzioni. Per maggiori informazioni su come sfruttare le funzionalità di Ultralytics YOLOv8 , visita la nostra guida rapida.

Posso utilizzare Ultralytics YOLOv8 per l'analisi video in tempo reale e il ritaglio di oggetti?

Sì, Ultralytics YOLOv8 è in grado di elaborare feed video in tempo reale per rilevare e ritagliare oggetti in modo dinamico. Le capacità di inferenza ad alta velocità del modello lo rendono ideale per applicazioni in tempo reale come la sorveglianza, l'analisi sportiva e i sistemi di ispezione automatizzati. Scopri le modalità di tracciamento e previsione per capire come implementare l'elaborazione in tempo reale.

Quali sono i requisiti hardware per eseguire in modo efficiente YOLOv8 per il ritaglio degli oggetti?

Ultralytics YOLOv8 è ottimizzato sia per gli ambienti CPU che per quelli GPU , ma per ottenere prestazioni ottimali, soprattutto per l'inferenza in tempo reale o per volumi elevati, si raccomanda l'uso di un GPU dedicato (ad esempio, NVIDIA Tesla, serie RTX). Per l'implementazione su dispositivi leggeri, si consiglia di utilizzare CoreML per iOS o TFLite per Android. Maggiori dettagli sui dispositivi e sui formati supportati sono disponibili nelle nostre opzioni di distribuzione dei modelli.

Commenti