Ultralytics YOLO11を使ったオブジェクトの切り抜き

オブジェクトの切り抜きとは？

Ultralytics YOLO11を使ったオブジェクトの切り出しでは、画像やビデオから検出された特定のオブジェクトを分離して抽出します。YOLO11のモデル機能を利用することで、物体を正確に識別・特定し、さらなる分析や操作のための正確な切り出しが可能になります。

見るんだ： オブジェクトの切り抜きUltralytics YOLO

オブジェクトクロッピングの利点

• フォーカス分析：YOLO11では、ターゲットを絞ったオブジェクトの切り出しが可能なため、シーン内の個々のアイテムの詳細な検査や処理ができます。
• データ量の削減：関連性のあるオブジェクトのみを抽出することで、オブジェクトの切り出しはデータサイズを最小化するのに役立ち、保存、送信、またはその後の計算タスクを効率化する。
• 精度の向上：YOLO11のオブジェクト検出 精度は、切り取られたオブジェクトの空間的関係を維持し、詳細な分析のための視覚情報の完全性を保持します。

ビジュアル

空港の手荷物
Ultralytics YOLO11 を使用した空港のベルトコンベアでのスーツケースのクロッピング

import os

import cv2

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

model = YOLO("yolo11n.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()

議論 model.predict

よくあるご質問

Ultralytics YOLO11のオブジェクトクロッピングとは何ですか？

Ultralytics YOLO11を使ったオブジェクトの切り出しでは、YOLO11の検出機能に基づいて、画像やビデオから特定のオブジェクトを分離して抽出します。このプロセスでは、YOLO11を活用し、高精度でオブジェクトを識別し、それに応じて切り抜くことで、集中的な分析、データ量の削減、精度の向上が可能になります。詳細なチュートリアルについては、オブジェクトの切り抜き例を参照してください。

Ultralytics YOLO11をオブジェクトのトリミングに使うべき理由は何ですか？

Ultralytics YOLO11は、その精度、スピード、使いやすさで際立っている。YOLO11は、詳細で正確なオブジェクトの検出とクロッピングを可能にし、集中的な分析や高いデータ完全性を必要とするアプリケーションに不可欠である。さらに、YOLO11は、OpenVINO やTensorRT のようなツールとシームレスに統合し、リアルタイム機能と多様なハードウェア上での最適化を必要とするデプロイメントに対応します。モデルのエクスポートに関するガイドで、その利点をご覧ください。

オブジェクトの切り抜きでデータセットのデータ量を減らすには？

Ultralytics YOLO11を使用して画像やビデオから関連するオブジェクトのみを切り出すことで、データサイズを大幅に削減し、保存や処理の効率を上げることができます。このプロセスでは、特定のオブジェクトを検出するようにモデルをトレーニングし、その結果を使用してこれらの部分のみを切り抜いて保存します。Ultralytics YOLO11の機能を活用するための詳細については、クイックスタートガイドをご覧ください。

Ultralytics YOLO11をリアルタイムビデオ解析やオブジェクトのクロッピングに使用できますか？

はい、Ultralytics YOLO11は、リアルタイムのビデオフィードを処理して、動的に物体を検出し、切り抜くことができます。このモデルの高速推論機能は、監視、スポーツ分析、自動検査システムなどのリアルタイムアプリケーションに最適です。トラッキングモードと予測モードをチェックして、リアルタイム処理の実装方法を理解してください。

YOLO11でオブジェクトの切り出しを効率的に行うためのハードウェア要件は？

Ultralytics YOLO11 は、CPU とGPU の両方の環境に最適化されているが、最適なパフォーマ ンスを得るには、特にリアルタイムまたは大量の推論を行う場合は、専用のGPU （NVIDIA Tesla、RTX シリーズなど）を推奨する。軽量デバイスへの展開には、CoreML foriOS または TFLite forAndroid の使用を検討してください。サポートされるデバイスとフォーマットの詳細は、モデル展開オプションに記載されています。

📅作成 10ヶ月前 ✏️更新しました 1ヶ月前

コメント