Ultralytics YOLOv8 Modos
Introdução
Ultralytics YOLOv8 não é apenas mais um modelo de deteção de objectos; é uma estrutura versátil concebida para abranger todo o ciclo de vida dos modelos de aprendizagem automática - desde a ingestão de dados e a formação de modelos até à validação, implementação e acompanhamento no mundo real. Cada modo serve um objetivo específico e foi concebido para te oferecer a flexibilidade e a eficiência necessárias para diferentes tarefas e casos de utilização.
Observa: Ultralytics Tutorial de modos: Treina, valida, prevê, exporta e faz benchmark.
Modos num relance
Compreender os diferentes modos suportados pelo Ultralytics YOLOv8 é fundamental para tirar o máximo partido dos teus modelos:
- Modo de treino: Afina o teu modelo em conjuntos de dados personalizados ou pré-carregados.
- Modo Val: Um ponto de controlo pós-formação para validar o desempenho do modelo.
- Modo de previsão: Liberta o poder de previsão do teu modelo em dados do mundo real.
- Modo de exportação: Torna o teu modelo pronto a ser implementado em vários formatos.
- Modo de rastreamento: Amplia o teu modelo de deteção de objectos para aplicações de seguimento em tempo real.
- Modo de referência: Analisa a velocidade e a precisão do teu modelo em diversos ambientes de implementação.
Este guia completo pretende dar-te uma visão geral e prática de cada modo, ajudando-te a aproveitar todo o potencial de YOLOv8.
Comboio
O modo Train é utilizado para treinar um modelo YOLOv8 num conjunto de dados personalizado. Neste modo, o modelo é treinado utilizando o conjunto de dados e os hiperparâmetros especificados. O processo de treino envolve a otimização dos parâmetros do modelo para que este possa prever com precisão as classes e localizações dos objectos numa imagem.
Val
O modo Val é utilizado para validar um modelo YOLOv8 depois de este ter sido treinado. Neste modo, o modelo é avaliado num conjunto de validação para medir a sua precisão e desempenho de generalização. Este modo pode ser utilizado para ajustar os hiperparâmetros do modelo para melhorar o seu desempenho.
Prevê
O modo Prever é utilizado para efetuar previsões utilizando um modelo YOLOv8 treinado em novas imagens ou vídeos. Neste modo, o modelo é carregado a partir de um ficheiro de ponto de controlo e o utilizador pode fornecer imagens ou vídeos para realizar a inferência. O modelo prevê as classes e localizações dos objectos nas imagens ou vídeos de entrada.
Exportação
O modo de exportação é utilizado para exportar um modelo YOLOv8 para um formato que possa ser utilizado para a implantação. Neste modo, o modelo é convertido para um formato que pode ser utilizado por outras aplicações de software ou dispositivos de hardware. Este modo é útil quando implementa o modelo em ambientes de produção.
Acompanha
O modo de rastreamento é usado para rastrear objetos em tempo real usando um modelo YOLOv8 . Neste modo, o modelo é carregado a partir de um ficheiro de ponto de controlo e o utilizador pode fornecer um fluxo de vídeo em direto para efetuar o seguimento de objectos em tempo real. Este modo é útil para aplicações como sistemas de vigilância ou carros autónomos.
Referência
O modo de referência é utilizado para determinar a velocidade e a precisão de vários formatos de exportação para YOLOv8. Os parâmetros de referência fornecem informações sobre o tamanho do formato exportado, a sua mAP50-95
métricas (para deteção de objectos, segmentação e pose) ou accuracy_top5
(para classificação), e o tempo de inferência em milissegundos por imagem em vários formatos de exportação como ONNX, OpenVINO, TensorRT e outros. Esta informação pode ajudar os utilizadores a escolher o melhor formato de exportação para o seu caso de utilização específico, com base nos seus requisitos de velocidade e precisão.
FAQ
Como posso treinar um modelo de deteção de objectos personalizado com Ultralytics YOLOv8 ?
Treinar um modelo de deteção de objectos personalizado com Ultralytics YOLOv8 implica utilizar o modo de treino. Precisas de um conjunto de dados formatado em YOLO , contendo imagens e ficheiros de anotação correspondentes. Utiliza o seguinte comando para iniciar o processo de treino:
Exemplo
Para obteres instruções mais detalhadas, podes consultar o Ultralytics Train Guide.
Que métricas utiliza Ultralytics YOLOv8 para validar o desempenho do modelo?
Ultralytics YOLOv8 utiliza várias métricas durante o processo de validação para avaliar o desempenho do modelo. Estas incluem:
- mAP (precisão média média): Avalia a precisão da deteção de objectos.
- IOU (Intersecção sobre União): Mede a sobreposição entre as caixas delimitadoras previstas e as da verdade terrestre.
- Precisão e Recuperação: A precisão mede a relação entre as detecções positivas verdadeiras e o total de positivos detectados, enquanto a recuperação mede a relação entre as detecções positivas verdadeiras e o total de positivos reais.
Podes executar o seguinte comando para iniciar a validação:
Exemplo
Para mais informações, consulta o Guia de Validação.
Como é que posso exportar o meu modelo YOLOv8 para implementação?
Ultralytics YOLOv8 oferece a funcionalidade de exportação para converter o modelo treinado em vários formatos de implantação, como ONNX, TensorRT, CoreML, entre outros. Utiliza o seguinte exemplo para exportar o teu modelo:
Exemplo
Podes encontrar passos detalhados para cada formato de exportação no Guia de Exportação.
Qual é o objetivo do modo de referência em Ultralytics YOLOv8 ?
O modo de referência em Ultralytics YOLOv8 é utilizado para analisar a velocidade e a precisão de vários formatos de exportação, como ONNX, TensorRT e OpenVINO. Fornece métricas como o tamanho do modelo, mAP50-95
para deteção de objectos e tempo de inferência em diferentes configurações de hardware, ajudando-te a escolher o formato mais adequado às tuas necessidades de implementação.
Exemplo
Para mais detalhes, consulta o Guia de Referência.
Como posso efetuar o seguimento de objectos em tempo real utilizando Ultralytics YOLOv8 ?
O rastreio de objectos em tempo real pode ser conseguido utilizando o modo de rastreio em Ultralytics YOLOv8 . Esse modo amplia os recursos de deteção de objetos para rastrear objetos em quadros de vídeo ou transmissões ao vivo. Usa o seguinte exemplo para ativar o rastreamento:
Exemplo
Para obteres instruções detalhadas, visita o Track Guide.