다음을 사용하여 개체 자르기 Ultralytics YOLO11

개체 자르기란 무엇인가요?

를 사용한 개체 자르기 Ultralytics YOLO11 를 사용한 객체 자르기에는 이미지 또는 동영상에서 감지된 특정 객체를 분리하고 추출하는 작업이 포함됩니다. YOLO11 모델 기능을 사용하여 개체를 정확하게 식별하고 묘사하여 추가 분석 또는 조작을 위한 정밀한 자르기를 가능하게 합니다.

Watch: 다음을 사용하여 개체 자르기 Ultralytics YOLO

오브젝트 자르기의 장점은?

• 집중 분석: YOLO11 대상 개체 자르기를 사용하면 장면 내에서 개별 항목을 심층적으로 조사하거나 처리할 수 있습니다.
• 데이터 용량 감소: 개체 자르기는 관련 개체만 추출함으로써 데이터 크기를 최소화하여 저장, 전송 또는 후속 계산 작업을 효율적으로 수행할 수 있도록 도와줍니다.
• 향상된 정밀도: YOLO11 의 객체 감지 정확도는 잘린 객체가 공간 관계를 유지하도록 보장하여 상세한 분석을 위해 시각적 정보의 무결성을 보존합니다.

비주얼

공항 수하물
공항 컨베이어 벨트를 이용한 여행 가방 자르기 Ultralytics YOLO11

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()

인수 model.predict

자주 묻는 질문

객체 자르기( Ultralytics YOLO11 )란 무엇이며 어떻게 작동하나요?

를 사용한 개체 자르기 Ultralytics YOLO11YOLO11 의 탐지 기능을 기반으로 이미지 또는 동영상에서 특정 객체를 분리하고 추출하는 작업을 포함합니다. 이 프로세스를 통해 집중적인 분석, 데이터 용량 감소, 정확도 향상을 위해 YOLO11 을 활용하여 높은 정확도로 개체를 식별하고 그에 따라 자를 수 있습니다. 자세한 튜토리얼은 객체 자르기 예시를 참조하세요.

다른 솔루션보다 객체 자르기에 Ultralytics YOLO11 을 사용해야 하는 이유는 무엇인가요?

Ultralytics YOLO11 는 정밀도, 속도, 사용 편의성이 뛰어납니다. 세부적이고 정확한 개체 감지 및 자르기가 가능하여 집중적인 분석과 높은 데이터 무결성이 필요한 애플리케이션에 필수적입니다. 또한, YOLO11 은 다양한 하드웨어에서 실시간 기능과 최적화가 필요한 배포를 위해 OpenVINO 및 TensorRT 과 같은 도구와 원활하게 통합됩니다. 모델 내보내기 가이드에서 이점을 살펴보세요.

개체 자르기를 사용하여 데이터 집합의 데이터 볼륨을 줄이려면 어떻게 해야 하나요?

Ultralytics YOLO11 을 사용하여 이미지 또는 동영상에서 관련 개체만 자르면 데이터 크기를 크게 줄여 저장 및 처리 효율을 높일 수 있습니다. 이 프로세스에는 특정 개체를 감지하도록 모델을 학습시킨 다음 그 결과를 사용하여 해당 부분만 자르고 저장하는 과정이 포함됩니다. Ultralytics YOLO11 의 기능을 활용하는 방법에 대한 자세한 내용은 빠른 시작 가이드를 참조하세요.

실시간 동영상 분석 및 개체 자르기에 Ultralytics YOLO11 을 사용할 수 있나요?

예, Ultralytics YOLO11 실시간 비디오 피드를 처리하여 객체를 동적으로 감지하고 자를 수 있습니다. 이 모델의 고속 추론 기능은 감시, 스포츠 분석, 자동화된 검사 시스템과 같은 실시간 애플리케이션에 이상적입니다. 추적 및 예측 모드를 확인하여 실시간 처리를 구현하는 방법을 알아보세요.

객체 자르기를 위해 YOLO11 을 효율적으로 실행하기 위한 하드웨어 요구 사항은 무엇인가요?

Ultralytics YOLO11 는 CPU 및 GPU 환경 모두에 최적화되어 있지만, 특히 실시간 또는 대용량 추론의 경우 최적의 성능을 얻으려면 전용 GPU (예: NVIDIA Tesla, RTX 시리즈)을 사용하는 것이 좋습니다. 경량 기기에 배포하려면 iOS 의 경우 CoreML 또는 Android 의 경우 TFLite 를 사용하는 것이 좋습니다. 지원되는 디바이스 및 형식에 대한 자세한 내용은 모델 배포 옵션에서 확인할 수 있습니다.

11개월 전 생성됨 ✏️ 2개월 전 업데이트됨

댓글