Multi-object Tracking データセットの概要

マルチオブジェクトトラッキングは、オブジェクトを識別し、ビデオフレーム全体で検出された各オブジェクトの一意のIDを維持する、ビデオ分析における重要なコンポーネントです。Ultralytics YOLOは、監視、スポーツ分析、交通監視など、さまざまなドメインに適用できる強力なトラッキング機能を提供します。

データセット形式（近日公開）

Multi-Object Detectorは、スタンドアロンのトレーニングを必要とせず、事前トレーニング済みの検出、セグメンテーション、またはポーズモデルを直接サポートします。トラッカーのみをトレーニングするサポートは、近日中に提供予定です。

利用可能なトラッカー

Ultralytics YOLOは、次のトラッキングアルゴリズムをサポートしています。

• BoT-SORT - を使用 botsort.yaml このトラッカーを有効にするには (デフォルト)
• ByteTrack - を使用 bytetrack.yaml このトラッカーを有効にするには

使用法

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

フレーム間の追跡の維持

ビデオフレーム全体で継続的な追跡を行うには、以下を使用できます。 persist=True パラメータ：

import cv2

from ultralytics import YOLO

# Load the YOLO model
model = YOLO("yolo11n.pt")

# Open the video file
cap = cv2.VideoCapture("path/to/video.mp4")

while cap.isOpened():
    success, frame = cap.read()
    if success:
        # Run tracking with persistence between frames
        results = model.track(frame, persist=True)

        # Visualize the results
        annotated_frame = results[0].plot()
        cv2.imshow("Tracking", annotated_frame)

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

cap.release()
cv2.destroyAllWindows()

よくある質問

Ultralytics YOLOでMulti-Object Trackingを使用するにはどうすればよいですか？

Ultralytics YOLOでMulti-Object Trackingを使用するには、提供されているpythonまたはCLIの例を使用することから始めます。開始方法は次のとおりです。

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

これらのコマンドは、YOLO11 モデルをロードし、特定の信頼度 (conf）と Intersection over Union（IoU） (iou)の閾値があります。詳細については、 トラックモードのドキュメント.

Ultralyticsのトラッカーのトレーニングに関する今後の機能は何ですか？

Ultralyticsは、AIモデルを継続的に強化しています。今後の機能として、スタンドアロントラッカーのトレーニングが可能になる予定です。それまでは、Multi-Object Detectorは、スタンドアロンのトレーニングを必要とせずに、事前トレーニング済みの検出、セグメンテーション、またはPoseモデルを活用してトラッキングを行います。最新情報については、ブログをご覧いただくか、今後の機能をご確認ください。

マルチオブジェクト追跡にUltralytics YOLOを使用する理由は何ですか？

Ultralytics YOLOは、リアルタイム性能と高い精度で知られる、最先端の物体検出モデルです。YOLOをマルチオブジェクト追跡に使用すると、いくつかの利点があります。

• リアルタイム追跡: ダイナミックな環境に最適な、効率的で高速な追跡を実現します。
• 事前学習済みモデルによる柔軟性: スクラッチからトレーニングする必要はありません。事前学習済みの検出、セグメンテーション、またはPoseモデルをそのまま使用してください。
• 使いやすさ: PythonとCLIの両方とのシンプルなAPI統合により、追跡パイプラインのセットアップが簡単になります。
• 広範なドキュメントとコミュニティサポート: Ultralyticsは、包括的なドキュメントと活発なコミュニティフォーラムを提供し、問題のトラブルシューティングを行い、追跡モデルを強化します。

トラッキングにYOLOを設定して使用する方法の詳細については、トラッキング使用ガイドをご覧ください。

Ultralytics YOLOを使用したマルチオブジェクト追跡にカスタムデータセットを使用できますか？

はい、Ultralytics YOLOでマルチオブジェクトトラッキングにカスタムデータセットを使用できます。スタンドアロンのトラッカートレーニングのサポートは今後の機能ですが、カスタムデータセットで事前トレーニング済みのモデルを既に使用できます。データセットをYOLOと互換性のある適切な形式で準備し、ドキュメントに従って統合してください。

Ultralytics YOLO追跡モデルの結果を解釈するにはどうすればよいですか？

Ultralytics YOLO でトラッキングジョブを実行した後、結果には、トラッキングされたオブジェクト ID、そのバウンディングボックス、および信頼度スコアなどのさまざまなデータポイントが含まれます。これらの結果の解釈方法の簡単な概要を次に示します。

• 追跡対象ID： 各オブジェクトには一意のIDが割り当てられ、フレームを越えて追跡するのに役立ちます。
• バウンディングボックス: これらは、フレーム内で追跡されたオブジェクトの位置を示します。
• 信頼性スコア: これらは、追跡対象のオブジェクトの検出におけるモデルの信頼度を反映しています。

これらの結果の解釈と視覚化に関する詳細なガイダンスについては、結果処理ガイドを参照してください。

トラッカーの設定をカスタマイズするにはどうすればよいですか？

トラッカーの設定ファイルを変更したバージョンを作成することで、トラッカーをカスタマイズできます。ultralytics/cfg/trackersから既存のトラッカー設定ファイルをコピーし、必要に応じてパラメータを変更して、トラッカーの実行時にこのファイルを指定します。

from ultralytics import YOLO

model = YOLO("yolo11n.pt")
results = model.track(source="video.mp4", tracker="custom_tracker.yaml")

📅 1年前に作成 ✏️ 2か月前に更新

コメント