Обнаружение объектов

Обнаружение объектов - это задача, которая заключается в определении местоположения и класса объектов в изображении или видеопотоке.

Результатом работы детектора объектов является набор ограничительных рамок, в которые заключены объекты на изображении, а также метки классов и баллы доверия для каждой рамки. Детектор объектов - это хороший выбор, когда тебе нужно определить интересующие тебя объекты в сцене, но при этом не нужно точно знать, где находится объект или его точную форму.

Смотри: Обнаружение объектов с помощью предварительно обученной Ultralytics YOLOv8 модели.

Модели

YOLOv8 Здесь показаны предварительно обученные модели Detect. Модели Detect, Segment и Pose были предварительно обучены на наборе данных COCO, а модели Classify - на наборе данных ImageNet.

Модели автоматически загружаются с последнегорелиза Ultralytics при первом использовании.

• ^mAPval Значения приведены для одномодельного одномасштабного на COCO val2017 Набор данных.
  Размножайся с помощью yolo val detect data=coco.yaml device=0
• Скорость Усреднение изображений COCO val с помощью Amazon EC2 P4d например.
  Размножайся с помощью yolo val detect data=coco8.yaml batch=1 device=0|cpu

Поезд

Обучи YOLOv8n на наборе данных COCO8 в течение 100 эпох при размере изображения 640. Полный список доступных аргументов смотри на странице конфигурации.

from ultralytics import YOLO

# Load a model
model = YOLO('yolov8n.yaml')  # build a new model from YAML
model = YOLO('yolov8n.pt')  # load a pretrained model (recommended for training)
model = YOLO('yolov8n.yaml').load('yolov8n.pt')  # build from YAML and transfer weights

# Train the model
results = model.train(data='coco8.yaml', epochs=100, imgsz=640)

# Build a new model from YAML and start training from scratch
yolo detect train data=coco8.yaml model=yolov8n.yaml epochs=100 imgsz=640

# Start training from a pretrained *.pt model
yolo detect train data=coco8.yaml model=yolov8n.pt epochs=100 imgsz=640

# Build a new model from YAML, transfer pretrained weights to it and start training
yolo detect train data=coco8.yaml model=yolov8n.yaml pretrained=yolov8n.pt epochs=100 imgsz=640

Формат датасета

YOLO Подробнее о формате наборов данных для обнаружения можно прочитать в руководстве по набору данных. Чтобы преобразовать существующий набор данных из других форматов (например, COCO и т.д.) в формат YOLO , воспользуйся инструментом JSON2YOLO по адресу Ultralytics.

Вэл

Проверь точность обученной модели YOLOv8n на наборе данных COCO8. Не нужно передавать никаких аргументов в качестве model сохраняет тренировки data и аргументы в качестве атрибутов модели.

from ultralytics import YOLO

# Load a model
model = YOLO('yolov8n.pt')  # load an official model
model = YOLO('path/to/best.pt')  # load a custom model

# Validate the model
metrics = model.val()  # no arguments needed, dataset and settings remembered
metrics.box.map    # map50-95
metrics.box.map50  # map50
metrics.box.map75  # map75
metrics.box.maps   # a list contains map50-95 of each category

yolo detect val model=yolov8n.pt  # val official model
yolo detect val model=path/to/best.pt  # val custom model

Предсказывай

Используй обученную модель YOLOv8n для выполнения прогнозов на изображениях.

from ultralytics import YOLO

# Load a model
model = YOLO('yolov8n.pt')  # load an official model
model = YOLO('path/to/best.pt')  # load a custom model

# Predict with the model
results = model('https://ultralytics.com/images/bus.jpg')  # predict on an image

yolo detect predict model=yolov8n.pt source='https://ultralytics.com/images/bus.jpg'  # predict with official model
yolo detect predict model=path/to/best.pt source='https://ultralytics.com/images/bus.jpg'  # predict with custom model

Смотреть полностью predict Подробности о режиме в Предсказывай Страница.

Экспорт

Экспортируй модель YOLOv8n в другой формат, например ONNX, CoreML и т. д.

from ultralytics import YOLO

# Load a model
model = YOLO('yolov8n.pt')  # load an official model
model = YOLO('path/to/best.pt')  # load a custom trained model

# Export the model
model.export(format='onnx')

yolo export model=yolov8n.pt format=onnx  # export official model
yolo export model=path/to/best.pt format=onnx  # export custom trained model

Доступные форматы экспорта YOLOv8 приведены в таблице ниже. Ты можешь экспортировать в любой формат, используя format аргумент, то есть format='onnx' или format='engine'. Ты можешь предсказывать или проверять непосредственно на экспортированных моделях, то есть yolo predict model=yolov8n.onnx. Примеры использования будут показаны для твоей модели после завершения экспорта.

Смотреть полностью export подробности в Экспорт Страница.

Комментарии