Обрезка объектов с помощью Ultralytics YOLO11

Что такое обрезка объектов?

Обрезка объектов с помощью Ultralytics YOLO11 заключается в выделении и извлечении определенных обнаруженных объектов из изображения или видео. Возможности модели YOLO11 используются для точной идентификации и очерчивания объектов, что позволяет точно обрезать их для дальнейшего анализа или манипулирования.

Смотреть: Обрезка объектов с помощью Ultralytics YOLO

Преимущества обрезки объектов

• Целенаправленный анализ: YOLO11 облегчает целенаправленное обрезание объектов, позволяя углубленно изучать или обрабатывать отдельные элементы сцены.
• Сокращение объема данных: Благодаря извлечению только значимых объектов, обрезка объектов помогает минимизировать размер данных, что делает их эффективными для хранения, передачи или последующих вычислительных задач.
• Повышенная точность: точность обнаружения объектов на сайте YOLO11 гарантирует, что обрезанные объекты сохранят свои пространственные отношения, сохраняя целостность визуальной информации для детального анализа.

Визуальные средства

Багаж в аэропорту
Обрезка чемоданов на конвейерной ленте в аэропорту с использованием Ultralytics YOLO11

# Crop the objects
yolo solutions crop show=True

# Pass a source video
yolo solutions crop source="path/to/video.mp4"

# Crop specific classes
yolo solutions crop classes="[0, 2]"

import cv2

from ultralytics import solutions

cap = cv2.VideoCapture("path/to/video.mp4")
assert cap.isOpened(), "Error reading video file"

# Initialize object cropper object
cropper = solutions.ObjectCropper(
    show=True,  # display the output
    model="yolo11n.pt",  # model for object cropping i.e yolo11x.pt.
    classes=[0, 2],  # crop specific classes i.e. person and car with COCO pretrained model.
    # conf=0.5,  # adjust confidence threshold for the objects.
    # crop_dir="cropped-detections",  # set the directory name for cropped detections
)

# Process video
while cap.isOpened():
    success, im0 = cap.read()

    if not success:
        print("Video frame is empty or processing is complete.")
        break

    results = cropper(im0)

    # print(results)  # access the output

cap.release()
cv2.destroyAllWindows()  # destroy all opened windows

ObjectCropper Аргументы

Вот таблица с данными ObjectCropper аргументы:

Кроме того, можно использовать следующие аргументы визуализации:

ЧАСТО ЗАДАВАЕМЫЕ ВОПРОСЫ

Что такое обрезка объектов в Ultralytics YOLO11 и как она работает?

Обрезка объектов с помощью Ultralytics YOLO11 заключается в выделении и извлечении определенных объектов из изображения или видео на основе возможностей обнаружения YOLO11. Этот процесс позволяет сфокусировать анализ, уменьшить объем данных и повысить точность, используя YOLO11 для высокоточной идентификации объектов и их соответствующего обрезания. Для получения подробного руководства см. пример обрезки объектов.

Почему стоит использовать Ultralytics YOLO11 для обрезки объектов, а не другие решения?

Ultralytics YOLO11 отличается точностью, скоростью и простотой использования. Он позволяет детально и точно обнаруживать и обрезать объекты, что необходимо для целенаправленного анализа и приложений, требующих высокой целостности данных. Кроме того, YOLO11 легко интегрируется с такими инструментами, как OpenVINO и TensorRT для развертывания приложений, требующих возможностей реального времени и оптимизации на различном оборудовании. Узнайте о преимуществах в руководстве по экспорту моделей.

Как уменьшить объем данных в наборе данных с помощью обрезки объектов?

Используя Ultralytics YOLO11 для обрезки только значимых объектов на изображениях или видео, вы можете значительно уменьшить размер данных, сделав их более эффективными для хранения и обработки. Этот процесс включает в себя обучение модели обнаружению определенных объектов, а затем использование полученных результатов для обрезки и сохранения только этих фрагментов. Для получения дополнительной информации об использовании возможностей Ultralytics YOLO11 посетите наше краткое руководство.

Можно ли использовать Ultralytics YOLO11 для анализа видео в реальном времени и обрезки объектов?

Да, Ultralytics YOLO11 может обрабатывать видеопоток в реальном времени для динамического обнаружения и обрезки объектов. Благодаря высокоскоростным возможностям умозаключений модель идеально подходит для таких приложений реального времени, как видеонаблюдение, спортивный анализ и автоматизированные инспекционные системы. Ознакомьтесь с режимами отслеживания и прогнозирования, чтобы понять, как реализовать обработку в реальном времени.

Каковы требования к аппаратному обеспечению для эффективной работы YOLO11 для обрезки объектов?

Ultralytics YOLO11 оптимизирован для работы как на CPU , так и на GPU , но для достижения оптимальной производительности, особенно в режиме реального времени или при больших объемах вычислений, рекомендуется использовать специализированный GPU (например, NVIDIA Tesla, серия RTX). Для развертывания на легких устройствах рекомендуется использовать CoreML для iOS или TFLite для Android. Более подробную информацию о поддерживаемых устройствах и форматах можно найти в разделе "Варианты развертывания моделей".

📅 Создано 1 год назад ✏️ Обновлено 5 дней назад

Комментарии