Ultralytics YOLOv8 Modalità
Introduzione
Ultralytics YOLOv8 non è solo un altro modello di rilevamento di oggetti: è un framework versatile progettato per coprire l'intero ciclo di vita dei modelli di apprendimento automatico, dall'ingestione dei dati e la formazione dei modelli alla convalida, alla distribuzione e al monitoraggio nel mondo reale. Ogni modalità ha uno scopo specifico ed è progettata per offrire la flessibilità e l'efficienza necessarie per diversi compiti e casi d'uso.
Guarda: Ultralytics Tutorial delle modalità: Addestramento, Convalida, Previsione, Esportazione e Benchmark.
Le modalità in sintesi
Conoscere le diverse modalità supportate da Ultralytics YOLOv8 è fondamentale per ottenere il massimo dai tuoi modelli:
- Modalità di addestramento: Metti a punto il tuo modello su set di dati personalizzati o precaricati.
- Modalità Val: Un checkpoint post-training per convalidare le prestazioni del modello.
- Modalità predittiva: Scatena la potenza predittiva del tuo modello su dati reali.
- Modalità di esportazione: Rendi il tuo modello pronto per la distribuzione in vari formati.
- Modalità di tracciamento: Estendi il tuo modello di rilevamento degli oggetti alle applicazioni di tracciamento in tempo reale.
- Modalità Benchmark: Analizza la velocità e la precisione del tuo modello in diversi ambienti di distribuzione.
Questa guida completa ha l'obiettivo di fornirti una panoramica e delle indicazioni pratiche su ciascuna modalità, aiutandoti a sfruttare tutto il potenziale di YOLOv8.
Treno
La modalità Train è utilizzata per addestrare un modello YOLOv8 su un set di dati personalizzato. In questa modalità, il modello viene addestrato utilizzando il set di dati e gli iperparametri specificati. Il processo di addestramento prevede l'ottimizzazione dei parametri del modello in modo che possa prevedere con precisione le classi e le posizioni degli oggetti in un'immagine.
Val
La modalità Val è utilizzata per convalidare un modello YOLOv8 dopo che è stato addestrato. In questa modalità, il modello viene valutato su un set di validazione per misurarne l'accuratezza e le prestazioni di generalizzazione. Questa modalità può essere utilizzata per mettere a punto gli iperparametri del modello per migliorarne le prestazioni.
Prevedere
La modalità Predict è utilizzata per fare previsioni utilizzando un modello YOLOv8 addestrato su nuove immagini o video. In questa modalità, il modello viene caricato da un file di checkpoint e l'utente può fornire immagini o video per eseguire l'inferenza. Il modello predice le classi e le posizioni degli oggetti nelle immagini o nei video in ingresso.
Esportazione
La modalità di esportazione è utilizzata per esportare un modello YOLOv8 in un formato utilizzabile per la distribuzione. In questa modalità, il modello viene convertito in un formato che può essere utilizzato da altre applicazioni software o dispositivi hardware. Questa modalità è utile per distribuire il modello in ambienti di produzione.
Traccia
La modalità Track è utilizzata per tracciare gli oggetti in tempo reale utilizzando un modello YOLOv8 . In questa modalità, il modello viene caricato da un file di checkpoint e l'utente può fornire un flusso video in diretta per eseguire il tracciamento degli oggetti in tempo reale. Questa modalità è utile per applicazioni come i sistemi di sorveglianza o le auto a guida autonoma.
Benchmark
La modalità Benchmark viene utilizzata per tracciare un profilo della velocità e della precisione dei vari formati di esportazione di YOLOv8. I benchmark forniscono informazioni sulle dimensioni del formato esportato, la sua velocità e la sua precisione. mAP50-95 metriche (per il rilevamento degli oggetti, la segmentazione e la posa) o accuracy_top5 metriche (per la classificazione) e il tempo di inferenza in millisecondi per immagine nei vari formati di esportazione come ONNX, OpenVINO, TensorRT e altri. Queste informazioni possono aiutare gli utenti a scegliere il formato di esportazione ottimale per il loro caso d'uso specifico, in base ai loro requisiti di velocità e accuratezza.