コンテンツへスキップ

Ultralytics YOLO11 🚀を使ったインスタンスのセグメンテーションとトラッキング

インスタンス・セグメンテーションとは？

Ultralytics YOLO11インスタンスセグメンテーションは、画像内の個々のオブジェクトを識別し、輪郭を描くことで、空間分布を詳細に理解する。セマンティック・セグメンテーションとは異なり、インスタンス・セグメンテーションでは、各オブジェクトに一意的なラベルを付け、正確に区切る。

Ultralytics パッケージでは、2種類のインスタンス・セグメンテーション・トラッキングが利用できる：

  • クラス・オブジェクトによるインスタンスのセグメンテーション：各クラスオブジェクトには、視覚的に明確に分離するために固有の色が割り当てられています。

  • オブジェクトトラックによるインスタンスセグメンテーション：すべてのトラックは明確な色で表現され、識別と追跡が容易になります。



見るんだ： Ultralytics YOLO11を用いたオブジェクト追跡によるインスタンス分割

サンプル

インスタンスのセグメンテーションインスタンス・セグメンテーション＋オブジェクト・トラッキング
Ultralytics インスタンスのセグメンテーションUltralytics オブジェクト追跡によるインスタンス分割
Ultralytics インスタンスのセグメンテーションUltralytics オブジェクト・トラッキングによるインスタンス・セグメンテーション 🔥 🔥 ．

インスタンスのセグメンテーションとトラッキング

import cv2

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

model = YOLO("yolo11n-seg.pt")  # segmentation model
names = model.model.names
cap = cv2.VideoCapture("path/to/video/file.mp4")
w, h, fps = (int(cap.get(x)) for x in (cv2.CAP_PROP_FRAME_WIDTH, cv2.CAP_PROP_FRAME_HEIGHT, cv2.CAP_PROP_FPS))

out = cv2.VideoWriter("instance-segmentation.avi", cv2.VideoWriter_fourcc(*"MJPG"), fps, (w, h))

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

    results = model.predict(im0)
    annotator = Annotator(im0, line_width=2)

    if results[0].masks is not None:
        clss = results[0].boxes.cls.cpu().tolist()
        masks = results[0].masks.xy
        for mask, cls in zip(masks, clss):
            color = colors(int(cls), True)
            txt_color = annotator.get_txt_color(color)
            annotator.seg_bbox(mask=mask, mask_color=color, label=names[int(cls)], txt_color=txt_color)

    out.write(im0)
    cv2.imshow("instance-segmentation", im0)

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

out.release()
cap.release()
cv2.destroyAllWindows()

from collections import defaultdict

import cv2

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

track_history = defaultdict(lambda: [])

model = YOLO("yolo11n-seg.pt")  # segmentation model
cap = cv2.VideoCapture("path/to/video/file.mp4")
w, h, fps = (int(cap.get(x)) for x in (cv2.CAP_PROP_FRAME_WIDTH, cv2.CAP_PROP_FRAME_HEIGHT, cv2.CAP_PROP_FPS))

out = cv2.VideoWriter("instance-segmentation-object-tracking.avi", cv2.VideoWriter_fourcc(*"MJPG"), fps, (w, h))

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

    annotator = Annotator(im0, line_width=2)

    results = model.track(im0, persist=True)

    if results[0].boxes.id is not None and results[0].masks is not None:
        masks = results[0].masks.xy
        track_ids = results[0].boxes.id.int().cpu().tolist()

        for mask, track_id in zip(masks, track_ids):
            color = colors(int(track_id), True)
            txt_color = annotator.get_txt_color(color)
            annotator.seg_bbox(mask=mask, mask_color=color, label=str(track_id), txt_color=txt_color)

    out.write(im0)
    cv2.imshow("instance-segmentation-object-tracking", im0)

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

out.release()
cap.release()
cv2.destroyAllWindows()

seg_bbox 議論

名称タイプデフォルト説明
maskarrayNoneセグメンテーション・マスク座標
mask_colorRGB(255, 0, 255)すべてのセグメント・ボックスのマスク・カラー
labelstrNone分割されたオブジェクトのラベル
txt_colorRGBNoneセグメント化され追跡されたオブジェクトのラベルの色

注

お問い合わせは、Ultralytics Issue Sectionまたは下記のディスカッション・セクションまでお気軽にお寄せください。

よくあるご質問

Ultralytics YOLO11を使用してインスタンスのセグメンテーションを実行するにはどうすればよいですか？

Ultralytics YOLO11 を使ってインスタンス・セグメンテーションを行うには、YOLO モデルを YOLO11 のセグメンテーション・バージョンで初期化し、それを使ってビデオ・フレームを処理する。簡単なコード例を以下に示す：

例

import cv2

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

model = YOLO("yolo11n-seg.pt")  # segmentation model
cap = cv2.VideoCapture("path/to/video/file.mp4")
w, h, fps = (int(cap.get(x)) for x in (cv2.CAP_PROP_FRAME_WIDTH, cv2.CAP_PROP_FRAME_HEIGHT, cv2.CAP_PROP_FPS))

out = cv2.VideoWriter("instance-segmentation.avi", cv2.VideoWriter_fourcc(*"MJPG"), fps, (w, h))

while True:
    ret, im0 = cap.read()
    if not ret:
        break

    results = model.predict(im0)
    annotator = Annotator(im0, line_width=2)

    if results[0].masks is not None:
        clss = results[0].boxes.cls.cpu().tolist()
        masks = results[0].masks.xy
        for mask, cls in zip(masks, clss):
            annotator.seg_bbox(mask=mask, mask_color=colors(int(cls), True), det_label=model.model.names[int(cls)])

    out.write(im0)
    cv2.imshow("instance-segmentation", im0)
    if cv2.waitKey(1) & 0xFF == ord("q"):
        break

out.release()
cap.release()
cv2.destroyAllWindows()

インスタンス・セグメンテーションの詳細については、Ultralytics YOLO11ガイドを参照してください。

Ultralytics YOLO11におけるインスタンスセグメンテーションとオブジェクトトラッキングの違いは何ですか？

インスタンスセグメンテーションは、画像内の個々のオブジェクトを識別し、アウトライン化し、各オブジェクトにユニークなラベルとマスクを与える。オブジェクトトラッキングは、ビデオフレーム間でオブジェクトに一貫したラベルを割り当てることで、これを拡張し、同じオブジェクトの継続的なトラッキングを容易にします。Ultralytics YOLO11ドキュメントで、その違いを詳しくご覧ください。

セグメンテーションやトラッキングに、Mask R-CNNやFaster R-CNNといった他のモデルではなく、Ultralytics YOLO11を使うべき理由は？

Ultralytics YOLO11は、Mask R-CNNやFaster R-CNNのような他のモデルと比較して、リアルタイムのパフォーマンス、優れた精度、使いやすさを提供します。YOLO11 はUltralytics HUB とシームレスに統合されており、ユーザーはモデル、データセット、トレーニングパイプラインを効率的に管理することができます。YOLO11の利点については、Ultralytics ブログをご覧ください。

Ultralytics YOLO11を使ってオブジェクト・トラッキングを実装するには？

オブジェクト・トラッキングを実装するには model.track メソッドを使用して、各オブジェクトのIDがフレーム間で一貫して割り当てられるようにします。以下は簡単な例です：

例

from collections import defaultdict

import cv2

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

track_history = defaultdict(lambda: [])

model = YOLO("yolo11n-seg.pt")  # segmentation model
cap = cv2.VideoCapture("path/to/video/file.mp4")
w, h, fps = (int(cap.get(x)) for x in (cv2.CAP_PROP_FRAME_WIDTH, cv2.CAP_PROP_FRAME_HEIGHT, cv2.CAP_PROP_FPS))

out = cv2.VideoWriter("instance-segmentation-object-tracking.avi", cv2.VideoWriter_fourcc(*"MJPG"), fps, (w, h))

while True:
    ret, im0 = cap.read()
    if not ret:
        break

    annotator = Annotator(im0, line_width=2)
    results = model.track(im0, persist=True)

    if results[0].boxes.id is not None and results[0].masks is not None:
        masks = results[0].masks.xy
        track_ids = results[0].boxes.id.int().cpu().tolist()

        for mask, track_id in zip(masks, track_ids):
            annotator.seg_bbox(mask=mask, mask_color=colors(track_id, True), track_label=str(track_id))

    out.write(im0)
    cv2.imshow("instance-segmentation-object-tracking", im0)
    if cv2.waitKey(1) & 0xFF == ord("q"):
        break

out.release()
cap.release()
cv2.destroyAllWindows()

詳しくは、インスタンスのセグメンテーションとトラッキングのセクションをご覧ください。

Ultralytics 、例えばセグメンテーションやトラッキングなど、YOLO11モデルのトレーニングに適したデータセットはありますか？

はい、Ultralytics 、セグメンテーションやトラッキングデータセットなど、YOLO11モデルの学習に適したデータセットをいくつか提供しています。データセットの例、構造、使い方は、Ultralytics Datasetsdocumentationにあります。

📅作成 11ヶ月前 ✏️更新しました 1ヶ月前
ウルトラリティクス・アシスタント グレン・ヨッハー マシューノイス リズワン・ムナワール IvorZhu331

コメント