Salta para o conteúdo

Descrição geral dos conjuntos de dados de rastreio de vários objectos

Formato do conjunto de dados (em breve)

O Multi-Object Detetor não necessita de formação autónoma e suporta diretamente modelos de deteção, segmentação ou pose pré-treinados. O suporte para o treino de rastreadores isolados está a chegar

Utilização

Exemplo

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

FAQ

Como é que utilizo o seguimento de vários objectos com Ultralytics YOLO ?

Para utilizar o Multi-Object Tracking com Ultralytics YOLO , podes começar por utilizar os exemplos Python ou CLI fornecidos. Eis como podes começar:

Exemplo

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

These commands load the YOLO11 model and use it for tracking objects in the given video source with specific confidence (conf) and Intersecção sobre União (iou). Para mais pormenores, consulta o documentação do modo de pista.

Quais são as próximas funcionalidades dos monitores de treino em Ultralytics?

Ultralytics está a melhorar continuamente os seus modelos de IA. Uma funcionalidade futura permitirá o treino de localizadores autónomos. Até lá, o Multi-Object Detetor utiliza modelos pré-treinados de deteção, segmentação ou Pose para rastreio sem necessitar de formação autónoma. Mantém-te atualizado seguindo o nosso blogue ou consultando as próximas funcionalidades.

Por que razão devo utilizar Ultralytics YOLO para o seguimento de vários objectos?

Ultralytics YOLO is a state-of-the-art object detection model known for its real-time performance and high accuracy. Using YOLO for multi-object tracking provides several advantages:

  • Seguimento em tempo real: Obtém um seguimento eficiente e de alta velocidade, ideal para ambientes dinâmicos.
  • Flexibilidade com modelos pré-treinados: Não é necessário treinar de raiz; basta utilizar modelos pré-treinados de deteção, segmentação ou Pose.
  • Facilidade de utilização: A integração simples da API com Python e CLI facilita a configuração de pipelines de rastreamento.
  • Documentação extensa e apoio da comunidade: Ultralytics fornece documentação abrangente e um fórum ativo da comunidade para resolver problemas e melhorar os seus modelos de rastreio.

Para obter mais detalhes sobre como configurar e utilizar YOLO para rastreamento, visita o nosso guia de utilização de rastreamento.

Posso utilizar conjuntos de dados personalizados para o seguimento de vários objectos com Ultralytics YOLO ?

Sim, podes utilizar conjuntos de dados personalizados para o seguimento de vários objectos com Ultralytics YOLO . Embora o suporte para treinamento de rastreador autônomo seja um recurso futuro, já é possível usar modelos pré-treinados nos conjuntos de dados personalizados. Prepara os conjuntos de dados no formato adequado compatível com YOLO e segue a documentação para os integrar.

Como é que interpreto os resultados do modelo de acompanhamento Ultralytics YOLO ?

Depois de executar uma tarefa de rastreamento com Ultralytics YOLO , os resultados incluem vários pontos de dados, como IDs de objetos rastreados, suas caixas delimitadoras e as pontuações de confiança. Segue-se uma breve descrição geral de como interpretar estes resultados:

  • IDs rastreados: A cada objeto é atribuído um ID único, o que ajuda a localizá-lo através dos fotogramas.
  • Caixas de delimitação: Estas indicam a localização dos objectos seguidos dentro da imagem.
  • Pontuações de confiança: Estas reflectem a confiança do modelo na deteção do objeto seguido.

Para obter orientações detalhadas sobre a interpretação e visualização destes resultados, consulta o guia de tratamento de resultados.


📅 Created 11 months ago ✏️ Updated 12 days ago

Comentários