Обрезка объектов с использованием Ultralytics YOLO26#
Что такое обрезка объектов?#
Обрезка объектов с помощью Ultralytics YOLO26 подразумевает выделение и извлечение определённых обнаруженных объектов из изображения или видео. Возможности модели YOLO26 используются для точной идентификации и обозначения границ объектов, что позволяет выполнять точную обрезку для дальнейшего анализа или обработки.
Watch: Object Cropping using Ultralytics YOLO
Преимущества обрезки объектов#
- Сфокусированный анализ: YOLO26 упрощает целевую обрезку объектов, позволяя подробно изучать или обрабатывать отдельные элементы сцены.
- Уменьшение объёма данных: извлекая только релевантные объекты, обрезка помогает уменьшить размер данных, повышая эффективность хранения, передачи и последующих вычислительных задач.
- Повышенная точность: точность обнаружения объектов YOLO26 гарантирует сохранение пространственных взаимосвязей обрезанных объектов, поддерживая целостность визуальной информации для детального анализа.
Визуальные материалы#
| Багаж в аэропорту |
|---|
 |
| Обрезка чемоданов на конвейерной ленте в аэропорту с использованием Ultralytics YOLO26 |
Обрезка объектов с помощью YOLO26#
Передай видео в решение ObjectCropper: оно обнаруживает объекты в каждом кадре и сохраняет каждое обнаружение как отдельное изображение. Ограничь обрезку определёнными classes, увеличь conf, чтобы сохранить только обнаружения с высокой уверенностью, и задай crop_dir, чтобы выбрать место сохранения обрезанных изображений.
# Crop the objects
yolo solutions crop
# Pass a source video
yolo solutions crop source="path/to/video.mp4"
# Crop specific classes
yolo solutions crop classes="[0, 2]"Аргументы ObjectCropper#
Вот таблица с аргументами ObjectCropper:
| Аргумент | Тип | По умолчанию | Описание |
|---|---|---|---|
model | str | None | Путь к файлу модели Ultralytics YOLO. |
crop_dir | str | 'cropped-detections' | Имя каталога для хранения обрезанных детекций. |
Часто задаваемые вопросы#
Обрезка объектов с помощью Ultralytics YOLO26 подразумевает выделение и извлечение определённых объектов из изображения или видео на основе возможностей YOLO26 по обнаружению объектов. Этот процесс позволяет сфокусировать анализ, уменьшить объём данных и повысить точность, используя YOLO26 для высокоточного обнаружения объектов и их последующей обрезки. Подробные инструкции приведены в примере обрезки объектов.
Ultralytics YOLO26 выделяется точностью, скоростью и простотой использования. Он обеспечивает подробное и точное обнаружение и обрезку объектов, что важно для сфокусированного анализа и приложений, требующих высокой целостности данных. Кроме того, YOLO26 легко интегрируется с такими инструментами, как OpenVINO и TensorRT, для развёртываний, требующих обработки в реальном времени и оптимизации на различном оборудовании. Подробнее о преимуществах читай в руководстве по экспорту моделей.
Используя Ultralytics YOLO26 для обрезки только релевантных объектов на изображениях или видео, ты можешь значительно уменьшить размер данных, повысив эффективность их хранения и обработки. Этот процесс включает обучение модели обнаружению определённых объектов, а затем использование результатов для обрезки и сохранения только этих фрагментов. Подробнее об использовании возможностей Ultralytics YOLO26 читай в нашем руководстве по быстрому старту.
Да, Ultralytics YOLO26 может обрабатывать видеопотоки в реальном времени, динамически обнаруживая и обрезая объекты. Высокая скорость инференса модели делает её идеальной для приложений реального времени, таких как видеонаблюдение, анализ спортивных событий и автоматизированные системы контроля. Ознакомься с режимами трекинга и предсказания, чтобы понять, как реализовать обработку в реальном времени.
Ultralytics YOLO26 оптимизирован для сред с CPU и GPU, но для достижения максимальной производительности, особенно при инференсе в реальном времени или обработке больших объёмов данных, рекомендуется выделенный GPU (например, NVIDIA Tesla или серия RTX). Для развёртывания на компактных устройствах рассмотри CoreML для iOS или LiteRT для Android. Подробнее о поддерживаемых устройствах и форматах читай в разделе варианты развёртывания моделей.