Перейти к содержимому

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

Пример

from ultralytics import YOLO

model = YOLO("yolov8n.pt")
results = model.track(source="https://youtu.be/LNwODJXcvt4", conf=0.3, iou=0.5, show=True)
yolo track model=yolov8n.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:

Пример

from ultralytics import YOLO

model = YOLO("yolov8n.pt")  # Load the YOLOv8 model
results = model.track(source="https://youtu.be/LNwODJXcvt4", conf=0.3, iou=0.5, show=True)
yolo track model=yolov8n.pt source="https://youtu.be/LNwODJXcvt4" conf=0.3 iou=0.5 show

Эти команды загружают модель YOLOv8 и используют ее для отслеживания объектов в заданном видеоисточнике с определенной уверенностью (conf) и 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 это современная модель обнаружения объектов, известная своей производительностью в реальном времени и высокой точностью. Использование YOLO для отслеживания нескольких объектов дает несколько преимуществ:

  • 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.



Создано 2023-11-12, Обновлено 2024-07-04
Авторы: glenn-jocher (6)

Комментарии