Recorte de objetos com Ultralytics YOLO26#
O que é o recorte de objetos?#
O recorte de objetos com Ultralytics YOLO26 consiste em isolar e extrair objetos específicos detectados em uma imagem ou vídeo. Os recursos do modelo YOLO26 são usados para identificar e delimitar objetos com precisão, permitindo recortes precisos para análises ou manipulações posteriores.
Assista: Recorte de objetos usando Ultralytics YOLO
Vantagens do recorte de objetos#
- Análise direcionada: O YOLO26 facilita o recorte direcionado de objetos, permitindo um exame ou processamento aprofundado de itens individuais em uma cena.
- Redução do volume de dados: Ao extrair apenas os objetos relevantes, o recorte de objetos ajuda a reduzir o tamanho dos dados, tornando o armazenamento, a transmissão ou as tarefas computacionais posteriores mais eficientes.
- Maior precisão: A detecção de objetos e a precisão do YOLO26 garantem que os objetos recortados mantenham suas relações espaciais, preservando a integridade das informações visuais para análises detalhadas.
Elementos visuais#
| Bagagens no aeroporto |
|---|
 |
| Recorte de malas na esteira de bagagens do aeroporto com Ultralytics YOLO26 |
Recorte objetos com YOLO26#
Passe seu vídeo para a solução ObjectCropper: ela detecta objetos em cada frame e salva cada detecção como uma imagem separada. Restrinja o recorte a classes específicos, aumente conf para manter apenas detecções confiáveis e defina crop_dir para escolher onde os recortes serão gravados.
# Crop the objects
yolo solutions crop
# Pass a source video
yolo solutions crop source="path/to/video.mp4"
# Crop specific classes
yolo solutions crop classes="[0, 2]"Argumentos de ObjectCropper#
Aqui está uma tabela com os argumentos de ObjectCropper:
| Argumento | Tipo | Padrão | Descrição |
|---|---|---|---|
model | str | None | Caminho para um arquivo de modelo Ultralytics YOLO. |
crop_dir | str | 'cropped-detections' | Nome do diretório para armazenar deteções recortadas. |
verbose | bool | True | Ativa o registro por quadro da solução, com o formato da entrada, as contagens por classe e a velocidade de processamento. A chamada de rastreamento em si é sempre silenciosa. |
ObjectCropper executa predict em vez de track, portanto oferece suporte aos seguintes parâmetros de inferência, exceto tracker:
| Argumento | Tipo | Padrão | Descrição |
|---|---|---|---|
tracker | str | 'tracktrack.yaml' | Especifica o algoritmo de rastreamento a utilizar. Opções integradas: botsort.yaml, bytetrack.yaml, ocsort.yaml, deepocsort.yaml, fasttrack.yaml, tracktrack.yaml. |
conf | float | 0.25 | Define o limiar de confiança das deteções; valores mais baixos permitem rastrear mais objetos, mas podem incluir falsos positivos. |
iou | float | 0.7 | Define o limiar de interseção sobre união (IoU) para filtrar deteções sobrepostas. |
classes | list | None | Filtra os resultados pelo índice da classe. Por exemplo, classes=[0, 2, 3] rastreia apenas as classes especificadas. |
device | str | None | Especifica o dispositivo para a inferência (por exemplo, cpu, cuda:0 ou 0). Permite escolher entre CPU, uma GPU específica ou outros dispositivos de computação para executar o modelo. |
imgsz | int or tuple | 640 | Tamanho da imagem de destino para a inferência: um número inteiro para uma imagem quadrada ou um par (height, width). As dimensões são ajustadas ao stride do modelo. |
max_det | int | 300 | Número máximo de deteções mantidas por fotograma antes do rastreamento, limitando os objetos que uma solução processa em cenas densas. |
quantize | int or str | None | Precisão da inferência: 16 (FP16) ou 32/não definido (FP32) para modelos PyTorch e TorchScript; os outros formatos calculam com a precisão selecionada pelo artefacto e pelo ambiente de execução. Substitui a opção half, obsoleta. |
Perguntas frequentes#
O recorte de objetos com Ultralytics YOLO26 consiste em isolar e extrair objetos específicos de uma imagem ou vídeo com base nos recursos de detecção do YOLO26. Esse processo permite uma análise direcionada, reduz o volume de dados e aumenta a precisão, aproveitando o YOLO26 para identificar objetos com alta precisão e recortá-los adequadamente. Para ver um tutorial detalhado, consulte o exemplo de recorte de objetos.
O Ultralytics YOLO26 se destaca pela precisão, velocidade e facilidade de uso. Ele permite detectar e recortar objetos com detalhes e precisão, algo essencial para a análise direcionada e para aplicações que exigem alta integridade dos dados. Além disso, o YOLO26 se integra facilmente a ferramentas como OpenVINO e TensorRT para implantações que exigem recursos em tempo real e otimização em diferentes hardwares. Explore os benefícios no guia de exportação de modelos.
Ao usar o Ultralytics YOLO26 para recortar apenas objetos relevantes das suas imagens ou vídeos, você pode reduzir significativamente o tamanho dos dados, tornando o armazenamento e o processamento mais eficientes. Esse processo consiste em treinar o modelo para detectar objetos específicos e, em seguida, usar os resultados para recortar e salvar apenas essas partes. Para saber mais sobre como aproveitar os recursos do Ultralytics YOLO26, consulte nosso guia de início rápido.
Sim, o Ultralytics YOLO26 pode processar fluxos de vídeo em tempo real para detectar e recortar objetos dinamicamente. Os recursos de inferência em alta velocidade do modelo o tornam ideal para aplicações em tempo real, como vigilância, análise esportiva e sistemas de inspeção automatizados. Confira os modos de rastreamento e de previsão para entender como implementar o processamento em tempo real.
O Ultralytics YOLO26 é otimizado para ambientes com CPU e GPU, mas recomenda-se uma GPU dedicada (por exemplo, NVIDIA Tesla ou da série RTX) para obter o melhor desempenho, especialmente em inferência em tempo real ou de alto volume. Para implantar em dispositivos leves, considere usar CoreML no iOS ou LiteRT no Android. Você encontra mais detalhes sobre dispositivos e formatos compatíveis nas nossas opções de implantação de modelos.