Обзор наборов данных для отслеживания нескольких объектов

Формат набора данных (скоро будет)

Многообъектный детектор не нуждается в отдельном обучении и напрямую поддерживает предварительно обученные модели обнаружения, сегментации или позы. Поддержка самостоятельного обучения трекеров появится в ближайшее время

Использование

from ultralytics import YOLO

model = YOLO("yolo11n.pt")
results = model.track(source="https://youtu.be/LNwODJXcvt4", conf=0.3, iou=0.5, show=True)

yolo track model=yolo11n.pt source="https://youtu.be/LNwODJXcvt4" conf=0.3, iou=0.5 show

ВОПРОСЫ И ОТВЕТЫ

Как использовать многообъектное отслеживание с Ultralytics YOLO ?

Чтобы использовать Multi-Object Tracking с Ultralytics YOLO , ты можешь начать с примеров Python или CLI . Вот как ты можешь начать:

from ultralytics import YOLO

model = YOLO("yolo11n.pt")  # Load the YOLO11 model
results = model.track(source="https://youtu.be/LNwODJXcvt4", conf=0.3, iou=0.5, show=True)

yolo track model=yolo11n.pt source="https://youtu.be/LNwODJXcvt4" conf=0.3 iou=0.5 show

These commands load the YOLO11 model and use it for tracking objects in the given video source with specific confidence (conf) and Пересечение над Союзом (iou) пороговых значений. Для получения более подробной информации обратитесь к документация по режиму трека.

Каковы грядущие возможности для тренировочных трекеров в Ultralytics?

Ultralytics постоянно совершенствует свои модели искусственного интеллекта. В ближайшем будущем появится возможность обучения автономных трекеров. До тех пор Multi-Object Detector использует предварительно обученные модели обнаружения, сегментации или позы для отслеживания, не требуя отдельного обучения. Будь в курсе событий, следи за нашим блогом или проверяй предстоящие функции.

Почему я должен использовать Ultralytics YOLO для отслеживания нескольких объектов.

Ultralytics YOLO is a state-of-the-art object detection model known for its real-time performance and high accuracy. Using YOLO for multi-object tracking provides several advantages:

• Слежение в реальном времени: Добейся эффективного и высокоскоростного трекинга, идеального для динамичных сред.
• Гибкость благодаря предварительно обученным моделям: Не нужно тренироваться с нуля; просто используй предварительно обученные модели обнаружения, сегментации или позы.
• Простота использования: Простая интеграция API как с Python , так и с CLI делает настройку конвейеров отслеживания простой и понятной.
• Обширная документация и поддержка сообщества: Ultralytics предоставляет исчерпывающую документацию и активный форум сообщества для устранения неполадок и улучшения твоих моделей отслеживания.

Подробнее о настройке и использовании YOLO для трекинга читай в нашем руководстве по использованию треков.

Можно ли использовать пользовательские наборы данных для отслеживания нескольких объектов с помощью Ultralytics YOLO ?

Да, ты можешь использовать пользовательские наборы данных для многообъектного трекинга с помощью Ultralytics YOLO . Хотя поддержка самостоятельного обучения трекеров - это будущая функция, ты уже можешь использовать предварительно обученные модели на своих пользовательских наборах данных. Подготовь свои наборы данных в соответствующем формате, совместимом с YOLO , и следуй документации для их интеграции.

Как интерпретировать результаты модели отслеживания Ultralytics YOLO ?

После выполнения задания отслеживания с Ultralytics YOLO в результатах появляются различные данные, такие как идентификаторы отслеживаемых объектов, их ограничительные рамки и баллы доверия. Вот краткий обзор того, как интерпретировать эти результаты:

• Отслеживаемые идентификаторы: Каждому объекту присваивается уникальный ID, что помогает отслеживать его по всем кадрам.
• Ограничительные рамки: Они указывают на расположение отслеживаемых объектов в кадре.
• Баллы доверия: Они отражают уверенность модели в обнаружении отслеживаемого объекта.

Подробное руководство по интерпретации и визуализации этих результатов ты найдешь в руководстве по работе с результатами.

📅 Created 11 months ago ✏️ Updated 20 days ago

Комментарии