Обрезка объектов с помощью Ultralytics YOLO26#
Что такое обрезка объектов?#
Обрезка объектов с помощью Ultralytics YOLO26 позволяет выделять и извлекать определённые объекты на изображении или видео. Возможности модели YOLO26 используются для точного обнаружения и определения границ объектов, что позволяет выполнять точную обрезку для дальнейшего анализа или обработки.
Смотри: Обрезка объектов с помощью Ultralytics YOLO
Преимущества обрезки объектов#
- Целенаправленный анализ: YOLO26 позволяет обрезать определённые объекты для их детального изучения или обработки по отдельности в пределах сцены.
- Уменьшение объёма данных: извлекая только нужные объекты, обрезка помогает уменьшить размер данных и упростить их хранение, передачу или последующую обработку.
- Повышенная точность: обнаружение объектов с помощью YOLO26 и его точность позволяют сохранить пространственные взаимосвязи обрезанных объектов и целостность визуальной информации для детального анализа.
Иллюстрации#
| Багаж в аэропорту |
|---|
 |
| Обрезка чемоданов на конвейерной ленте в аэропорту с помощью Ultralytics YOLO26 |
Обрезай объекты с помощью YOLO26#
Передай видео в решение ObjectCropper: оно обнаруживает объекты в каждом кадре и сохраняет каждое обнаружение в виде отдельного изображения. Ограничь обрезку определёнными classes, увеличь conf, чтобы оставить только уверенные обнаружения, и укажи crop_dir, чтобы выбрать папку для 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 сохранения обрезанных обнаруженных объектов. |
verbose | bool | True | Включает журнал решения для каждого кадра с указанием формы входных данных, количества объектов по классам и скорости обработки. Сам вызов отслеживания всегда выполняется без вывода сообщений. |
ObjectCropper запускает predict, а не track, поэтому поддерживает следующие параметры инференса, кроме tracker:
| Аргумент | Тип | По умолчанию | Описание |
|---|---|---|---|
tracker | str | 'tracktrack.yaml' | Задаёт алгоритм отслеживания. Встроенные варианты: botsort.yaml, bytetrack.yaml, ocsort.yaml, deepocsort.yaml, fasttrack.yaml, tracktrack.yaml. |
conf | float | 0.25 | Задаёт порог уверенности для обнаружений: при более низких значениях можно отслеживать больше объектов, но возрастает вероятность ложноположительных срабатываний. |
iou | float | 0.7 | Задаёт порог пересечения над объединением (IoU) для фильтрации перекрывающихся обнаружений. |
classes | list | None | Фильтрует результаты по индексу класса. Например, classes=[0, 2, 3] отслеживает только указанные классы. |
device | str | None | Задаёт устройство для инференса (например, cpu, cuda:0 или 0). Позволяет выбрать CPU, определённый GPU или другое вычислительное устройство для выполнения модели. |
imgsz | int or tuple | 640 | Целевой размер изображения для инференса: целое число для квадратного изображения или пара (height, width). Размеры корректируются с учётом шага модели. |
max_det | int | 300 | Максимальное количество обнаружений, сохраняемых в каждом кадре перед отслеживанием; ограничивает число объектов, обрабатываемых решением в насыщенных сценах. |
quantize | int or str | None | Точность инференса: 16 (FP16) или 32/unset (FP32) для моделей PyTorch и TorchScript не на CPU; для других форматов точность определяется артефактом модели и средой выполнения. Заменяет устаревший аргумент half. |
Часто задаваемые вопросы#
Обрезка объектов с помощью Ultralytics YOLO26 позволяет выделять и извлекать определённые объекты на изображении или видео на основе возможностей YOLO26 по обнаружению объектов. Этот процесс помогает сосредоточиться на нужных объектах, уменьшить объём данных и повысить точность: YOLO26 с высокой точностью обнаруживает объекты и соответствующим образом обрезает их. Подробное руководство см. в примере обрезки объектов.
Ultralytics YOLO26 выделяется точностью, скоростью и простотой использования. Модель обеспечивает детальное и точное обнаружение и обрезку объектов, что необходимо для целенаправленного анализа и задач, требующих высокой целостности данных. Кроме того, YOLO26 легко интегрируется с инструментами, например OpenVINO и TensorRT, для развёртывания с поддержкой обработки в реальном времени и оптимизации на разных аппаратных платформах. Подробнее о преимуществах читай в руководстве по экспорту моделей.
Используя Ultralytics YOLO26 для обрезки только нужных объектов на изображениях или видео, ты можешь значительно уменьшить размер данных и повысить эффективность их хранения и обработки. Для этого модель обучают обнаруживать определённые объекты, а затем используют результаты, чтобы обрезать и сохранять только соответствующие фрагменты. Подробнее о возможностях Ultralytics YOLO26 читай в нашем кратком руководстве.
Да, Ultralytics YOLO26 может обрабатывать видеопотоки в реальном времени, динамически обнаруживая и обрезая объекты. Благодаря высокой скорости инференса модель отлично подходит для задач реального времени, таких как видеонаблюдение, анализ спортивных событий и автоматизированный контроль. Ознакомься с режимами отслеживания и предсказания, чтобы узнать, как реализовать обработку в реальном времени.
Ultralytics YOLO26 оптимизирована для работы как на CPU, так и на GPU, но для максимальной производительности, особенно при инференсе в реальном времени или обработке больших объёмов данных, рекомендуется использовать отдельный GPU (например, NVIDIA Tesla или серии RTX). Для развёртывания на компактных устройствах рассмотри CoreML для iOS или LiteRT для Android. Подробнее о поддерживаемых устройствах и форматах можно узнать в разделе варианты развёртывания моделей.