Обрезка объектов с использованием Ultralytics YOLO26
Что такое обрезка объектов?
Обрезка объектов с помощью Ultralytics YOLO26 включает изоляцию и извлечение определенных обнаруженных объектов из изображения или видео. Возможности модели YOLO26 используются для точного определения и разграничения объектов, что позволяет выполнять точную обрезку для дальнейшего анализа или манипуляций.
Смотреть: Обрезка объектов с использованием Ultralytics YOLO
Преимущества обрезки объектов
- Целенаправленный анализ: YOLO26 облегчает целенаправленную обрезку 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 YOLO26 гарантирует, что обрезанные объекты сохраняют свои пространственные отношения, сохраняя 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 использованием Ultralytics YOLO
# 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="yolo26n.pt", # model for object cropping, e.g., yolo26x.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
Когда вы предоставляете необязательный crop_dir аргумент, каждый вырезанный объект записывается в эту папку с именами файлов, которые включают имя исходного изображения и класс. Это упрощает проверку обнаружений или создание нисходящих наборов данных без написания дополнительного кода.
ObjectCropper Аргументы
Вот таблица с ObjectCropper аргументы:
| Аргумент | Тип | По умолчанию | Описание |
|---|---|---|---|
model | str | None | Путь к файлу модели Ultralytics YOLO. |
crop_dir | str | 'cropped-detections' | Имя каталога для хранения обрезанных обнаружений. |
Кроме того, доступны следующие аргументы визуализации:
| Аргумент | Тип | По умолчанию | Описание |
|---|---|---|---|
show | bool | False | Если True, отображает аннотированные изображения или видео в окне. Полезно для немедленной визуальной обратной связи во время разработки или тестирования. |
line_width | int or None | None | Указывает ширину линии ограничивающих рамок. Если None, ширина линии автоматически регулируется в зависимости от размера изображения. Обеспечивает визуальную настройку для большей четкости. |
Часто задаваемые вопросы
Что такое обрезка объектов в Ultralytics YOLO26 и как она работает?
Обрезка объектов с использованием Ultralytics YOLO26 включает изоляцию и извлечение определенных объектов из изображения или видео на основе возможностей обнаружения YOLO26. Этот процесс обеспечивает целенаправленный анализ, уменьшение объема данных и повышенную точность за счет использования YOLO26 для высокоточного определения объектов и их соответствующей обрезки. Подробное руководство см. в примере обрезки объектов.
Почему я должен использовать Ultralytics YOLO26 для обрезки объектов вместо других решений?
Ultralytics YOLO26 выделяется своей точностью, скоростью и простотой использования. Он обеспечивает детальное и точное обнаружение и обрезку объектов, что крайне важно для целенаправленного анализа и приложений, требующих высокой целостности данных. Кроме того, YOLO26 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 модели.
Как я могу уменьшить объем данных моего набора данных с помощью обрезки объектов?
Используя Ultralytics YOLO26 для обрезки только релевантных объектов из ваших изображений или видео, вы можете значительно уменьшить размер данных, что сделает их более эффективными для хранения и обработки. Этот процесс включает обучение модели для обнаружения конкретных объектов, а затем использование результатов для обрезки и сохранения только этих частей. Для получения дополнительной информации об использовании возможностей Ultralytics YOLO26 посетите наше краткое руководство.
Могу ли я использовать Ultralytics YOLO26 для анализа видео в реальном времени и обрезки объектов?
Да, Ultralytics YOLO26 может обрабатывать видеопотоки в реальном времени для динамического обнаружения и обрезки объектов. Высокоскоростные возможности вывода модели делают ее идеальной для приложений реального времени, таких как видеонаблюдение, спортивный анализ и автоматизированные системы инспекции. Ознакомьтесь с режимами tracking и прогнозирования, чтобы понять, как реализовать обработку в реальном времени.
Каковы аппаратные требования для эффективной работы YOLO26 при обрезке объектов?
Ultralytics YOLO26 оптимизирован как для сред CPU, так и для GPU, но для достижения оптимальной производительности, особенно для вывода в реальном времени или больших объемов, 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 модели.
