複数オブジェクト追跡データセットの概要
データセット・フォーマット（近日公開予定）
マルチオブジェクトディテクターは、単独でのトレーニングは必要なく、事前にトレーニングされた検出、セグメンテーション、ポーズモデルを直接サポートします。トラッカー単体でのトレーニングは近日対応予定です。
使用方法
例
よくあるご質問
Ultralytics YOLO でマルチオブジェクトトラッキングを使用するには？
Multi-Object Tracking をUltralytics YOLO で使用するには、Python またはCLI の例から始めることができます。どのように始めることができるかは、以下の通りです：
例
from ultralytics import YOLO
model = YOLO("yolov8n.pt") # Load the YOLOv8 model
results = model.track(source="https://youtu.be/LNwODJXcvt4", conf=0.3, iou=0.5, show=True)
これらのコマンドは、YOLOv8 のモデルをロードし、指定されたビデオソース内のオブジェクトを特定の信頼度で追跡するために使用します (conf)とユニオンの上のインターセクション(iou)の閾値を設定する。詳細は トラック・モード・ドキュメント.
Ultralytics 、トレーニングトラッカーにはどのような機能が追加される予定ですか？
Ultralytics はAIモデルを継続的に強化している。今後リリースされる機能により、スタンドアローンのトラッカーのトレーニングが可能になります。それまでは、Multi-Object Detectorは、事前にトレーニングされた検出、セグメンテーション、またはポーズモデルを活用し、単独でのトレーニングを必要とせずにトラッキングを行います。私たちのブログをフォローするか、今後の機能をチェックすることで、最新情報を入手してください。
なぜマルチオブジェクト・トラッキングにUltralytics YOLO を使う必要があるのか？
Ultralytics YOLO は、リアルタイムの性能と高い精度で知られる最先端の物体検出モデルである。YOLO を多オブジェクト追跡に使用することで、いくつかの利点が得られます：
- リアルタイムトラッキング：ダイナミックな環境に最適な効率的で高速なトラッキングを実現します。
- トレーニング済みモデルによる柔軟性：ゼロからトレーニングする必要はありません。トレーニング済みの検出、セグメンテーション、ポーズモデルを使用するだけです。
- 使いやすさ： Python 、CLI の両方とのシンプルなAPI統合により、トラッキングパイプラインの設定が簡単になります。
- 豊富なドキュメンテーションとコミュニティ・サポート: Ultralytics は、問題のトラブルシューティングとトラッキング・モデルの強化のために、包括的なドキュメンテーションと活発なコミュニティ・フォーラムを提供します。
トラッキングのためのYOLO の設定と使用の詳細については、トラック使用ガイドをご覧ください。
Ultralytics YOLO 、カスタムデータセットをマルチオブジェクト・トラッキングに使用できますか？
はい、Ultralytics YOLO 、カスタムデータセットをマルチオブジェクトトラッキングに使用することができます。スタンドアロン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にトレーニングされたモデルを使用することは可能です。YOLO と互換性のある適切なフォーマットでデータセットを準備し、ドキュメントに従って統合してください。
Ultralytics YOLO トラッキングモデルの結果はどのように解釈すればよいですか？
Ultralytics YOLO でトラッキングジョブを実行すると、トラッキングされたオブジェクトID、バウンディングボックス、信頼度スコアなど様々なデータが表示されます。これらの結果をどのように解釈するか簡単に説明します：
- トラッキングID：各オブジェクトにはユニークなIDが割り当てられ、フレームをまたいだトラッキングに役立ちます。
- バウンディングボックス：フレーム内のトラッキングされたオブジェクトの位置を示す。
- 信頼度スコア：これは、追跡されたオブジェクトを検出する際のモデルの信頼度を反映している。
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、結果の取り扱いガイドを参照してください。