Обрезка объектов с использованием Ultralytics YOLO11

Что такое обрезка объектов?

Обрезка объектов с помощью Ultralytics YOLO11 включает в себя выделение и извлечение определенных обнаруженных объектов из изображения или видео. Возможности модели YOLO11 используются для точной идентификации и разграничения объектов, что позволяет точно обрезать их для дальнейшего анализа или обработки.

Смотреть: Обрезка объектов с использованием Ultralytics YOLO

Преимущества обрезки объектов

• Целенаправленный анализ: YOLO11 облегчает целевое кадрирование объектов, позволяя проводить углубленное изучение или обработку отдельных элементов в сцене.
• Уменьшенный объем данных: Извлекая только релевантные объекты, обрезка объектов помогает минимизировать размер данных, что делает его эффективным для хранения, передачи или последующих вычислительных задач.
• Повышенная точность: Точность обнаружения объектов YOLO11 гарантирует, что вырезанные объекты сохраняют свои пространственные взаимосвязи, сохраняя целостность визуальной информации для детального анализа.

Визуальные материалы

Багаж в аэропорту
Обнаружение чемоданов на ленте багажа 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
cropper = solutions.ObjectCropper(
    show=True,  # display the output
    model="yolo11n.pt",  # model for object cropping, e.g., yolo11x.pt.
    classes=[0, 2],  # crop specific classes such as person and car with the 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 ObjectCropper аргументы:

Кроме того, доступны следующие аргументы визуализации:

Часто задаваемые вопросы

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

Обрезка объектов с использованием Ultralytics YOLO11 включает в себя выделение и извлечение определенных объектов из изображения или видео на основе возможностей обнаружения YOLO11. Этот процесс позволяет проводить целенаправленный анализ, уменьшить объем данных и повысить точность за счет использования YOLO11 для идентификации объектов с высокой точностью и их соответствующей обрезки. Для получения подробного руководства обратитесь к примеру обрезки объектов.

Почему мне следует использовать Ultralytics YOLO11 для обрезки объектов вместо других решений?

Ultralytics YOLO11 выделяется благодаря своей точности, скорости и простоте использования. Он обеспечивает детальное и точное обнаружение и обрезку объектов, что необходимо для целенаправленного анализа и приложений, требующих высокой целостности данных. Кроме того, YOLO11 легко интегрируется с такими инструментами, как OpenVINO и TensorRT, для развертываний, требующих возможностей реального времени и оптимизации на различном оборудовании. Изучите преимущества в руководстве по экспорту моделей.

Как я могу уменьшить объем данных моего набора данных с помощью обрезки объектов?

Используя Ultralytics YOLO11 для обрезки только релевантных объектов с ваших изображений или видео, вы можете значительно уменьшить размер данных, что делает его более эффективным для хранения и обработки. Этот процесс включает в себя обучение модели для обнаружения определенных объектов, а затем использование результатов для обрезки и сохранения только этих частей. Для получения дополнительной информации об использовании возможностей Ultralytics YOLO11 посетите наше руководство по быстрому началу работы.

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

Да, Ultralytics YOLO11 может обрабатывать видеопотоки в реальном времени для detect и динамической обрезки объектов. Высокоскоростные возможности логического вывода модели делают ее идеальной для приложений реального времени, таких как surveillance, анализ спортивных соревнований и автоматизированные системы контроля. Ознакомьтесь с режимами tracking и prediction modes, чтобы понять, как реализовать обработку в реальном времени.

Каковы требования к аппаратному обеспечению для эффективного запуска YOLO11 для обрезки объектов?

Ultralytics YOLO11 оптимизирована для работы как в средах CPU, так и GPU, но для достижения оптимальной производительности, особенно для логического вывода в реальном времени или с большими объемами данных, рекомендуется использовать выделенный GPU (например, NVIDIA Tesla, серия RTX). Для развертывания на легких устройствах рассмотрите возможность использования CoreML для iOS или TFLite для Android. Более подробную информацию о поддерживаемых устройствах и форматах можно найти в наших вариантах развертывания моделей.

📅 Создано 1 год назад ✏️ Обновлено 20 дней назад

Комментарии