Nesne Kırpma kullanarak Ultralytics YOLO11

Nesne Kırpma Nedir?

Nesne kırpma ile Ultralytics YOLO11 bir görüntü veya videodan tespit edilen belirli nesnelerin izole edilmesini ve çıkarılmasını içerir. Nesneleri doğru bir şekilde tanımlamak ve tasvir etmek için YOLO11 model yetenekleri kullanılır ve daha fazla analiz veya manipülasyon için hassas kırpmaya olanak tanır.

İzle: Nesne Kırpma kullanarak Ultralytics YOLO

Nesne Kırpmanın Avantajları

• Odaklanmış Analiz: YOLO11 , hedeflenen nesne kırpmayı kolaylaştırarak bir sahnedeki tek tek öğelerin derinlemesine incelenmesine veya işlenmesine olanak tanır.
• Azaltılmış Veri Hacmi: Nesne kırpma, yalnızca ilgili nesneleri çıkararak veri boyutunu en aza indirmeye yardımcı olur ve depolama, iletim veya sonraki hesaplama görevleri için verimli hale getirir.
• Geliştirilmiş Hassasiyet: YOLO11'un nesne algılama hassasiyeti, kırpılan nesnelerin uzamsal ilişkilerini korumasını sağlayarak ayrıntılı analiz için görsel bilgilerin bütünlüğünü korur.

Görseller

Havaalanı Bagajı
Havaalanı konveyör bandında bavulların kırpılması 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 object
cropper = solutions.ObjectCropper(
    show=True,  # display the output
    model="yolo11n.pt",  # model for object cropping i.e yolo11x.pt.
    classes=[0, 2],  # crop specific classes i.e. person and car with 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 Argümanlar

İşte bir tablo ObjectCropper Argümanlar:

Ayrıca, aşağıdaki görselleştirme argümanları da kullanılabilir:

SSS

Ultralytics YOLO11 adresinde nesne kırpma nedir ve nasıl çalışır?

Nesne kırpma kullanarak Ultralytics YOLO11YOLO11 'un algılama yeteneklerine dayalı olarak bir görüntü veya videodan belirli nesnelerin izole edilmesini ve çıkarılmasını içerir. Bu işlem, nesneleri yüksek doğrulukla tanımlamak ve uygun şekilde kırpmak için YOLO11 adresinden yararlanarak odaklanmış analiz, azaltılmış veri hacmi ve gelişmiş hassasiyet sağlar. Derinlemesine bir eğitim için nesne kırpma örneğine bakın.

Nesne kırpma için neden diğer çözümler yerine Ultralytics YOLO11 adresini kullanmalıyım?

Ultralytics YOLO11 hassasiyeti, hızı ve kullanım kolaylığı ile öne çıkmaktadır. Odaklanmış analiz ve yüksek veri bütünlüğü gerektiren uygulamalar için gerekli olan ayrıntılı ve doğru nesne algılama ve kırpmaya olanak tanır. Ayrıca, YOLO11 aşağıdaki gibi araçlarla sorunsuz bir şekilde entegre olur OpenVINO ve TensorRT Farklı donanımlarda gerçek zamanlı yetenekler ve optimizasyon gerektiren dağıtımlar için. Model dışa aktarma kılavuzundaki avantajları keşfedin.

Nesne kırpma kullanarak veri kümemin veri hacmini nasıl azaltabilirim?

Görüntülerinizden veya videolarınızdan yalnızca ilgili nesneleri kırpmak için Ultralytics YOLO11 adresini kullanarak veri boyutunu önemli ölçüde azaltabilir, depolama ve işleme için daha verimli hale getirebilirsiniz. Bu işlem, belirli nesneleri tespit etmek için modelin eğitilmesini ve ardından yalnızca bu kısımları kırpmak ve kaydetmek için sonuçların kullanılmasını içerir. Ultralytics YOLO11 'un yeteneklerinden yararlanma hakkında daha fazla bilgi için hızlı başlangıç kılavuzumuzu ziyaret edin.

Gerçek zamanlı video analizi ve nesne kırpma için Ultralytics YOLO11 adresini kullanabilir miyim?

Evet, Ultralytics YOLO11 nesneleri dinamik olarak algılamak ve kırpmak için gerçek zamanlı video akışlarını işleyebilir. Modelin yüksek hızlı çıkarım yetenekleri, onu gözetim, spor analizi ve otomatik denetim sistemleri gibi gerçek zamanlı uygulamalar için ideal hale getirir. Gerçek zamanlı işlemenin nasıl uygulanacağını anlamak için izleme ve tahmin modlarına göz atın.

Nesne kırpma için YOLO11 adresini verimli bir şekilde çalıştırmak için donanım gereksinimleri nelerdir?

Ultralytics YOLO11 hem CPU hem de GPU ortamları için optimize edilmiştir, ancak özellikle gerçek zamanlı veya yüksek hacimli çıkarımlarda optimum performans elde etmek için özel bir GPU (örneğin, NVIDIA Tesla, RTX serisi) önerilir. Hafif cihazlarda dağıtım için şunları kullanmayı düşünün CoreMLiOS için veya Android için TFLite. Desteklenen cihazlar ve formatlar hakkında daha fazla bilgiyi model dağıtım seçeneklerimizde bulabilirsiniz.

📅1 yıl önce oluşturuldu ✏️ 6 gün önce güncellendi

Yorumlar