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.
• Nvidia-Jetson🚀NOVO: Guia de início rápido para implantação de modelos YOLO em dispositivos Nvidia Jetson.
• 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.
• Visualiza imagens de inferência num terminal: Utiliza o terminal integrado do VSCode para ver os resultados da inferência quando utilizas o Túnel Remoto ou sessões SSH.
• OpenVINO Modos de latência vs. taxa de transferência - Aprende técnicas de otimização da latência e da taxa de transferência para obteres o máximo desempenho de inferência em YOLO .

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 sobre Segmentação de objectos em forma de caixas delimitadoras, fornecendo uma representação visual dos limites precisos dos objectos para uma melhor compreensão e análise.
• Mapeamento de objectos de visualização VisionEye 🚀 NOVO: Esta funcionalidade visa os computadores a discernir e a 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.
• Gestão de filas de espera 🚀 NOVO: A gestão de filas de espera é a prática de controlar e dirigir eficientemente o fluxo de pessoas ou tarefas, muitas vezes através de planeamento estratégico e implementação de tecnologia, para minimizar os tempos de espera e melhorar a produtividade geral.
• Gestão de estacionamento 🚀 NOVO: A gestão de estacionamento envolve a organização e a direção eficientes do fluxo de veículos em áreas de estacionamento, muitas vezes através de planeamento estratégico e integração de tecnologia, para otimizar a utilização do espaço e melhorar a experiência do 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 🙏!

Comentários