Segmentação de instâncias

A segmentação de instâncias vai um passo além da deteção de objectos e envolve a identificação de objectos individuais numa imagem e a sua segmentação do resto da imagem.

O resultado de um modelo de segmentação de instâncias é um conjunto de máscaras ou contornos que delineia cada objeto na imagem, juntamente com etiquetas de classe e pontuações de confiança para cada objeto. A segmentação de instâncias é útil quando precisas de saber não só onde estão os objectos numa imagem, mas também qual é a sua forma exacta.

Observa: Executa a segmentação com o modelo Ultralytics YOLOv8 pré-treinado em Python.

Modelos

YOLOv8 Os modelos Segment pré-treinados são mostrados aqui. Os modelos Detetar, Segmentar e Pose são pré-treinados no conjunto de dados COCO, enquanto os modelos Classificar são pré-treinados no conjunto de dados ImageNet.

Os modelos são transferidos automaticamente a partir daversão mais recente de Ultralytics na primeira utilização.

• ^mAPval Os valores são para o modelo único de escala única em COCO val2017 conjunto de dados.
  Reproduzir por yolo val segment data=coco.yaml device=0
• Velocidade calcula a média das imagens COCO val utilizando um Amazon EC2 P4d instância.
  Reproduzir por yolo val segment data=coco8-seg.yaml batch=1 device=0|cpu

Comboio

Treina YOLOv8n-seg no conjunto de dados COCO128-seg para 100 épocas com o tamanho de imagem 640. Para obter uma lista completa dos argumentos disponíveis, consulta a página Configuração.

from ultralytics import YOLO

# Load a model
model = YOLO('yolov8n-seg.yaml')  # build a new model from YAML
model = YOLO('yolov8n-seg.pt')  # load a pretrained model (recommended for training)
model = YOLO('yolov8n-seg.yaml').load('yolov8n.pt')  # build from YAML and transfer weights

# Train the model
results = model.train(data='coco8-seg.yaml', epochs=100, imgsz=640)

# Build a new model from YAML and start training from scratch
yolo segment train data=coco8-seg.yaml model=yolov8n-seg.yaml epochs=100 imgsz=640

# Start training from a pretrained *.pt model
yolo segment train data=coco8-seg.yaml model=yolov8n-seg.pt epochs=100 imgsz=640

# Build a new model from YAML, transfer pretrained weights to it and start training
yolo segment train data=coco8-seg.yaml model=yolov8n-seg.yaml pretrained=yolov8n-seg.pt epochs=100 imgsz=640

Formato do conjunto de dados

YOLO O formato do conjunto de dados de segmentação pode ser consultado em pormenor no Guia do conjunto de dados. Para converter o teu conjunto de dados existente de outros formatos (como COCO, etc.) para o formato YOLO , utiliza a ferramenta JSON2YOLO em Ultralytics.

Val

Valida a precisão do modelo YOLOv8n-seg treinado no conjunto de dados COCO128-seg. Não precisas de passar nenhum argumento, pois o model mantém a sua formação data e argumentos como atributos do modelo.

from ultralytics import YOLO

# Load a model
model = YOLO('yolov8n-seg.pt')  # load an official model
model = YOLO('path/to/best.pt')  # load a custom model

# Validate the model
metrics = model.val()  # no arguments needed, dataset and settings remembered
metrics.box.map    # map50-95(B)
metrics.box.map50  # map50(B)
metrics.box.map75  # map75(B)
metrics.box.maps   # a list contains map50-95(B) of each category
metrics.seg.map    # map50-95(M)
metrics.seg.map50  # map50(M)
metrics.seg.map75  # map75(M)
metrics.seg.maps   # a list contains map50-95(M) of each category

yolo segment val model=yolov8n-seg.pt  # val official model
yolo segment val model=path/to/best.pt  # val custom model

Prevê

Utiliza um modelo YOLOv8n-seg treinado para executar previsões em imagens.

from ultralytics import YOLO

# Load a model
model = YOLO('yolov8n-seg.pt')  # load an official model
model = YOLO('path/to/best.pt')  # load a custom model

# Predict with the model
results = model('https://ultralytics.com/images/bus.jpg')  # predict on an image

yolo segment predict model=yolov8n-seg.pt source='https://ultralytics.com/images/bus.jpg'  # predict with official model
yolo segment predict model=path/to/best.pt source='https://ultralytics.com/images/bus.jpg'  # predict with custom model

Ver completo predict detalhes do modo no Prevê página.

Exportação

Exporta um modelo YOLOv8n-seg para um formato diferente como ONNX, CoreML, etc.

from ultralytics import YOLO

# Load a model
model = YOLO('yolov8n-seg.pt')  # load an official model
model = YOLO('path/to/best.pt')  # load a custom trained model

# Export the model
model.export(format='onnx')

yolo export model=yolov8n-seg.pt format=onnx  # export official model
yolo export model=path/to/best.pt format=onnx  # export custom trained model

Os formatos de exportação disponíveis em YOLOv8-seg encontram-se na tabela abaixo. Podes exportar para qualquer formato utilizando o format argumento, ou seja format='onnx' ou format='engine'. Podes prever ou validar diretamente nos modelos exportados, ou seja yolo predict model=yolov8n-seg.onnx. São apresentados exemplos de utilização para o teu modelo após a conclusão da exportação.

Ver completo export detalhes no Exportação página.

Comentários