─░├žeri─če ge├ž

Y├Ânlendirilmi┼č S─▒n─▒rlay─▒c─▒ Kutular Nesne Alg─▒lama

Y├Ânlendirilmi┼č nesne tespiti, nesne tespitinden bir ad─▒m daha ileri gider ve bir g├Âr├╝nt├╝deki nesneleri daha do─čru bulmak i├žin ekstra bir a├ž─▒ sunar.

Y├Ânlendirilmi┼č bir nesne alg─▒lay─▒c─▒n─▒n ├ž─▒kt─▒s─▒, her kutu i├žin s─▒n─▒f etiketleri ve g├╝ven puanlar─▒yla birlikte g├Âr├╝nt├╝deki nesneleri tam olarak ├ževreleyen bir dizi d├Ând├╝r├╝lm├╝┼č s─▒n─▒rlay─▒c─▒ kutudur. Nesne alg─▒lama, bir sahnedeki ilgi ├žekici nesneleri tan─▒mlaman─▒z gerekti─činde, ancak nesnenin tam olarak nerede oldu─čunu veya tam ┼čeklini bilmeniz gerekmedi─činde iyi bir se├žimdir.

─░pucu

YOLOv8 OBB modelleri ┼čunlar─▒ kullan─▒r -obb son ek, yani yolov8n-obb.pt ve ├Ânceden e─čitilmi┼č DOTAv1.


─░zle: Ultralytics YOLOv8 Y├Ânlendirilmi┼č S─▒n─▒rlay─▒c─▒ Kutular (YOLOv8-OBB) kullanarak Nesne Alg─▒lama

─░zle: Ultralytics HUB kullanarak YOLOv8-OBB ile Nesne Alg─▒lama

G├Ârsel ├ľrnekler

OBB kullanarak Gemi Tespiti OBB kullanarak Ara├ž Alg─▒lama
OBB kullanarak Gemi Tespiti OBB kullanarak Ara├ž Alg─▒lama

Modeller

YOLOv8 Burada DOTAv1 veri k├╝mesi ├╝zerinde ├Ân e─čitime tabi tutulmu┼č OBB modelleri g├Âsterilmektedir.

Modeller ilk kullan─▒mda en son Ultralytics s├╝r├╝m├╝nden otomatik olarak indirilir.

Model boyut
(piksel)
mAPtest
50
H─▒z
CPU ONNX
(ms)
H─▒z
A100 TensorRT
(ms)
params
(M)
FLOP'lar
(B)
YOLOv8n-obb 1024 78.0 204.77 3.57 3.1 23.3
YOLOv8s-obb 1024 79.5 424.88 4.07 11.4 76.3
YOLOv8m-obb 1024 80.5 763.48 7.61 26.4 208.6
YOLOv8l-obb 1024 80.7 1278.42 11.83 44.5 433.8
YOLOv8x-obb 1024 81.36 1759.10 13.23 69.5 676.7
  • mAPtest de─čerleri tek modelli ├žoklu ├Âl├žek i├žindir. DOTAv1 testi veri k├╝mesi.
    Taraf─▒ndan ├žo─čalt─▒n yolo val obb data=DOTAv1.yaml device=0 split=test ve birle┼čtirilmi┼č sonu├žlar─▒ DOTA de─čerlendirmesi.
  • H─▒z kullan─▒larak DOTAv1 val g├Âr├╝nt├╝leri ├╝zerinden ortalamas─▒ al─▒nm─▒┼čt─▒r. Amazon EC2 P4d ├Ârnek.
    Taraf─▒ndan ├žo─čalt─▒n yolo val obb data=DOTAv1.yaml batch=1 device=0|cpu

Tren

Tren YOLOv8n-obb ├╝zerinde dota8.yaml 640 g├Âr├╝nt├╝ boyutunda 100 epok i├žin veri k├╝mesi. Kullan─▒labilir arg├╝manlar─▒n tam listesi i├žin bkz. Konfig├╝rasyon Sayfa.

├ľrnek

from ultralytics import YOLO

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

# Train the model
results = model.train(data="dota8.yaml", epochs=100, imgsz=640)
# Build a new model from YAML and start training from scratch
yolo obb train data=dota8.yaml model=yolov8n-obb.yaml epochs=100 imgsz=640

# Start training from a pretrained *.pt model
yolo obb train data=dota8.yaml model=yolov8n-obb.pt epochs=100 imgsz=640

# Build a new model from YAML, transfer pretrained weights to it and start training
yolo obb train data=dota8.yaml model=yolov8n-obb.yaml pretrained=yolov8n-obb.pt epochs=100 imgsz=640

Veri k├╝mesi format─▒

OBB veri k├╝mesi format─▒ Veri K├╝mesi K─▒lavuzunda ayr─▒nt─▒l─▒ olarak bulunabilir.

Val

DOTA8 veri k├╝mesi ├╝zerinde e─čitilmi┼č YOLOv8n-obb model do─črulu─čunu do─črulay─▒n. Herhangi bir arg├╝man ge├žilmesine gerek yoktur. model e─čitimini s├╝rd├╝r├╝r data ve model ├Âznitelikleri olarak arg├╝manlar.

├ľrnek

from ultralytics import YOLO

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

# Validate the model
metrics = model.val(data="dota8.yaml")  # no arguments needed, dataset and settings remembered
metrics.box.map  # map50-95(B)
metrics.box.map50  # map50(B)
metrics.box.map75  # map75(B)
metrics.box.maps  # a list contains map50-95(B) of each category
yolo obb val model=yolov8n-obb.pt data=dota8.yaml  # val official model
yolo obb val model=path/to/best.pt data=path/to/data.yaml  # val custom model

Tahmin Et

G├Âr├╝nt├╝ler ├╝zerinde tahminleri ├žal─▒┼čt─▒rmak i├žin e─čitilmi┼č bir YOLOv8n-obb modeli kullan─▒n.

├ľrnek

from ultralytics import YOLO

# Load a model
model = YOLO("yolov8n-obb.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 obb predict model=yolov8n-obb.pt source='https://ultralytics.com/images/bus.jpg'  # predict with official model
yolo obb predict model=path/to/best.pt source='https://ultralytics.com/images/bus.jpg'  # predict with custom model

Tamam─▒ g├Âr├╝n predict modunun ayr─▒nt─▒lar─▒ Tahmin Et Sayfa.

─░hracat

Bir YOLOv8n-obb modelini ONNX, CoreML, vb. gibi farkl─▒ bir formata aktar─▒n.

├ľrnek

from ultralytics import YOLO

# Load a model
model = YOLO("yolov8n-obb.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-obb.pt format=onnx  # export official model
yolo export model=path/to/best.pt format=onnx  # export custom trained model

Mevcut YOLOv8-obb d─▒┼ča aktarma formatlar─▒ a┼ča─č─▒daki tabloda yer almaktad─▒r. kullanarak herhangi bir formata d─▒┼ča aktarabilirsiniz. format arg├╝man─▒, yani format='onnx' veya format='engine'. Do─črudan d─▒┼ča aktar─▒lan modeller ├╝zerinde tahmin veya do─črulama yapabilirsiniz, ├Ârn. yolo predict model=yolov8n-obb.onnx. D─▒┼ča aktarma tamamland─▒ktan sonra modeliniz i├žin kullan─▒m ├Ârnekleri g├Âsterilir.

Bi├žim format Tart─▒┼čma Model Metadata Arg├╝manlar
PyTorch - yolov8n-obb.pt Ôťů -
TorchScript torchscript yolov8n-obb.torchscript Ôťů imgsz, optimize, batch
ONNX onnx yolov8n-obb.onnx Ôťů imgsz, half, dynamic, simplify, opset, batch
OpenVINO openvino yolov8n-obb_openvino_model/ Ôťů imgsz, half, int8, batch
TensorRT engine yolov8n-obb.engine Ôťů imgsz, half, dynamic, simplify, workspace, int8, batch
CoreML coreml yolov8n-obb.mlpackage Ôťů imgsz, half, int8, nms, batch
TF SavedModel saved_model yolov8n-obb_saved_model/ Ôťů imgsz, keras, int8, batch
TF GraphDef pb yolov8n-obb.pb ÔŁî imgsz, batch
TF Lite tflite yolov8n-obb.tflite Ôťů imgsz, half, int8, batch
TF Kenar TPU edgetpu yolov8n-obb_edgetpu.tflite Ôťů imgsz
TF.js tfjs yolov8n-obb_web_model/ Ôťů imgsz, half, int8, batch
PaddlePaddle paddle yolov8n-obb_paddle_model/ Ôťů imgsz, batch
NCNN ncnn yolov8n-obb_ncnn_model/ Ôťů imgsz, half, batch

Tamam─▒ g├Âr├╝n export detaylar ─░hracat Sayfa.



Created 2024-01-05, Updated 2024-06-10
Authors: glenn-jocher (20), Burhan-Q (4), Laughing-q (3), AyushExel (1)

Yorumlar