Salta para o conteúdo

Tutoriais abrangentes para Ultralytics YOLO

Bem-vindo ao Ultralytics' YOLO 🚀 Guias! Os nossos tutoriais abrangentes cobrem vários aspectos do modelo de deteção de objectos YOLO , desde a formação e previsão até à implementação. Construído em PyTorch, YOLO destaca-se pela sua excecional velocidade e precisão em tarefas de deteção de objectos em tempo real.

Quer sejas um principiante ou um especialista em aprendizagem profunda, os nossos tutoriais oferecem informações valiosas sobre a implementação e otimização de YOLO para os teus projectos de visão computacional. Vamos mergulhar!



Observa: Ultralytics YOLOv8 Visão geral dos guias

Guias

Aqui está uma compilação de guias detalhados para te ajudar a dominar diferentes aspectos de Ultralytics YOLO .

  • YOLO Problemas comuns ⭐ RECOMENDADO: Soluções práticas e dicas de resolução de problemas para os problemas mais frequentemente encontrados quando trabalhas com os modelos Ultralytics YOLO .
  • YOLO Métricas de desempenho ⭐ ESSENCIAL: Compreende as principais métricas como mAP, IoU e pontuação F1 utilizadas para avaliar o desempenho dos teus modelos de YOLO . Inclui exemplos práticos e dicas sobre como melhorar a precisão e a velocidade de deteção.
  • Opções de implantação de modelos: Visão geral dos formatos de implantação do modelo YOLO como ONNX, OpenVINO e TensorRT, com os prós e contras de cada um para informar sua estratégia de implantação.
  • K-Fold Cross Validation 🚀 NOVO: Aprende a melhorar a generalização do modelo usando a técnica de validação cruzada K-Fold.
  • Afinação de hiper parâmetros 🚀 NOVO: Descobre como otimizar os teus modelos YOLO através da afinação de hiperparâmetros utilizando a classe Tuner e algoritmos de evolução genética.
  • SAHI Tiled Inference 🚀 NOVO: Guia abrangente sobre como tirar partido das capacidades de inferência fatiada do SAHI com YOLOv8 para deteção de objectos em imagens de alta resolução.
  • AzureML Quickstart 🚀 NOVO: Começa a trabalhar com modelos Ultralytics YOLO na plataforma de Aprendizagem Automática do Azure da Microsoft. Aprende a treinar, implementar e escalar os teus projetos de deteção de objetos na cloud.
  • Conda Quickstart 🚀 NOVO: Guia passo-a-passo para configurar um ambiente Conda para Ultralytics. Aprende como instalar e começar a usar o pacote Ultralytics de forma eficiente com o Conda.
  • Início rápido do Docker 🚀 NOVO: Guia completo para configurar e usar modelos Ultralytics YOLO com o Docker. Aprende a instalar o Docker, a gerir o suporte de GPU e a executar modelos YOLO em contentores isolados para um desenvolvimento e implementação consistentes.
  • Raspberry Pi 🚀 NOVO: Tutorial de início rápido para executares os modelos YOLO para o mais recente hardware Raspberry Pi.
  • Triton Integração do Servidor de Inferência 🚀 NOVO: Mergulha na integração do Ultralytics YOLOv8 com o Servidor de Inferência Triton da NVIDIA para implementações de inferência de aprendizagem profunda escaláveis e eficientes.
  • YOLO Inferência segura para thre ads 🚀 NOVO: Diretrizes para realizar inferência com modelos YOLO de forma segura para threads. Aprende a importância da segurança de thread e as melhores práticas para evitar condições de corrida e garantir previsões consistentes.
  • Isolamento de objectos de segmentação 🚀 NOVO: Receita e explicação passo a passo sobre como extrair e/ou isolar objectos de imagens utilizando a Ultralytics Segmentação.
  • Edge TPU no Raspberry Pi: Google Edge TPU acelera a inferência YOLO no Raspberry Pi.

Projectos do mundo real

  • Contagem de objectos 🚀 NOVO: Explora o processo de contagem de objectos em tempo real com Ultralytics YOLOv8 e adquire os conhecimentos necessários para contar objectos de forma eficaz numa transmissão de vídeo em direto.
  • Recorte de objectos 🚀 NOVO: Explora o recorte de objectos utilizando YOLOv8 para uma extração precisa de objectos de imagens e vídeos.
  • Desfocagem de objectos 🚀 NOVO: Aplica a desfocagem de objectos com YOLOv8 para proteção da privacidade no processamento de imagens e vídeos.
  • Monitorização de Treinos 🚀 NOVO: Descobre a abordagem abrangente à monitorização de treinos com Ultralytics YOLOv8 . Adquire as competências e os conhecimentos necessários para utilizar eficazmente o YOLOv8 para monitorizar e analisar vários aspectos das rotinas de fitness em tempo real.
  • Contagem de objectos em regiões 🚀 NOVO: Explora a contagem de objectos em regiões específicas com Ultralytics YOLOv8 para uma deteção precisa e eficiente de objectos em áreas variadas.
  • Sistema de alarme de segurança 🚀 NOVO: Descobre o processo de criação de um sistema de alarme de segurança com Ultralytics YOLOv8 . Este sistema dispara alertas ao detetar novos objectos na moldura. Posteriormente, podes personalizar o código para se alinhar com o teu caso de utilização específico.
  • Mapas de calor 🚀 NOVO: Melhora a tua compreensão dos dados com os nossos mapas de calor de deteção! Essas ferramentas visuais intuitivas usam gradientes de cores vibrantes para ilustrar vividamente a intensidade dos valores de dados em uma matriz. Essenciais na visão computacional, os mapas de calor são habilmente projetados para destacar áreas de interesse, fornecendo uma maneira imediata e impactante de interpretar informações espaciais.
  • Segmentação de instâncias com rastreio de objectos 🚀 NOVO: Explora a nossa funcionalidade de Segmentação de objectos em forma de caixas delimitadoras, fornecendo uma representação visual dos limites precisos dos objectos para uma melhor compreensão e análise.
  • VisionEye View Objects Mapping 🚀 NOVO: Esta funcionalidade pretende que os computadores consigam discernir e focar objectos específicos, tal como o olho humano observa detalhes a partir de um determinado ponto de vista.
  • Estimativa de velocidade 🚀 NOVO: A estimativa de velocidade na visão computacional baseia-se na análise do movimento de objectos através de técnicas como o seguimento de objectos, crucial para aplicações como veículos autónomos e monitorização de tráfego.
  • Cálculo da distância 🚀 NOVO: O cálculo da distância, que envolve a medição da separação entre dois objectos dentro de um espaço definido, é um aspeto crucial. No contexto de Ultralytics YOLOv8 , o método utilizado para este efeito envolve a utilização do centróide da caixa delimitadora para determinar a distância associada às caixas delimitadoras realçadas pelo utilizador.

Contribui para os nossos guias

Agradecemos as contribuições da comunidade! Se dominaste um aspeto particular de Ultralytics YOLO que ainda não foi abordado nos nossos guias, encorajamos-te a partilhar a tua experiência. Escrever um guia é uma ótima maneira de retribuir à comunidade e nos ajudar a tornar nossa documentação mais abrangente e fácil de usar.

Para começar, lê o nosso Guia de Contribuição para obteres orientações sobre como abrir um Pull Request (PR) 🛠️. Esperamos ansiosamente pelas tuas contribuições!

Vamos trabalhar juntos para tornar o ecossistema Ultralytics YOLO mais robusto e versátil 🙏!



Criado em 2023-11-12, Atualizado em 2024-02-12
Autores: glenn-jocher (5), chr043416@gmail.com (6), RizwanMunawar (1), Burhan-Q (1), ouphi (1)

Comentários