Hướng dẫn toàn diện về Ultralytics YOLO

Chào mừng bạn đến với Ultralytics' YOLO 🚀 Hướng dẫn! Hướng dẫn toàn diện của chúng tôi bao gồm các khía cạnh khác nhau của YOLO Mô hình phát hiện đối tượng, từ đào tạo và dự đoán đến triển khai. Được xây dựng trên PyTorch, YOLO Nổi bật với tốc độ và độ chính xác vượt trội trong các tác vụ phát hiện đối tượng thời gian thực.

Cho dù bạn là người mới bắt đầu hay chuyên gia về học sâu, các hướng dẫn của chúng tôi cung cấp những hiểu biết có giá trị về việc triển khai và tối ưu hóa YOLO cho các dự án thị giác máy tính của bạn. Hãy đi sâu vào!

Xem: Ultralytics YOLOv8 Tổng quan về hướng dẫn

Hướng dẫn

Dưới đây là tổng hợp các hướng dẫn chuyên sâu để giúp bạn nắm vững các khía cạnh khác nhau của Ultralytics YOLO.

• YOLO Các vấn đề ⭐ thường gặp KHUYẾN NGHỊ: Các giải pháp thiết thực và mẹo khắc phục sự cố cho các sự cố thường gặp nhất khi làm việc với Ultralytics YOLO Mô hình.
• YOLO Chỉ số ⭐ hiệu suất CẦN THIẾT: Hiểu các số liệu chính như điểm mAP, IoT và F1 được sử dụng để đánh giá hiệu suất của bạn YOLO Mô hình. Bao gồm các ví dụ và mẹo thực tế về cách cải thiện độ chính xác và tốc độ phát hiện.
• Tùy chọn triển khai mô hình: Tổng quan về YOLO Các định dạng triển khai mô hình như ONNX, OpenVINOvà TensorRT, với những ưu và nhược điểm cho từng loại để thông báo chiến lược triển khai của bạn.
• Xác thực 🚀 chéo K-Fold MỚI: Tìm hiểu cách cải thiện khái quát hóa mô hình bằng kỹ thuật xác thực chéo K-Fold.
• Điều chỉnh 🚀 siêu tham số MỚI: Khám phá cách tối ưu hóa YOLO mô hình bằng cách tinh chỉnh các siêu tham số bằng cách sử dụng lớp Tuner và các thuật toán tiến hóa di truyền.
• SAHI Tiled Inference 🚀 MỚI: Hướng dẫn toàn diện về cách tận dụng khả năng suy luận lát cắt của SAHI với YOLOv8 để phát hiện đối tượng trong hình ảnh có độ phân giải cao.
• AzureML Quickstart 🚀 MỚI: Thiết lập và chạy với Ultralytics YOLO mô hình trên nền tảng Azure Machine Learning của Microsoft. Tìm hiểu cách đào tạo, triển khai và thay đổi quy mô các dự án phát hiện đối tượng của bạn trên đám mây.
• Conda Quickstart 🚀 MỚI: Hướng dẫn từng bước để thiết lập môi trường Conda cho Ultralytics. Tìm hiểu cách cài đặt và bắt đầu sử dụng Ultralytics đóng gói hiệu quả với Conda.
• Docker Quickstart 🚀 NEW: Hướng dẫn đầy đủ để thiết lập và sử dụng Ultralytics YOLO mô hình với Docker. Tìm hiểu cách cài đặt Docker, quản lý hỗ trợ GPU và chạy YOLO Các mô hình trong các container biệt lập để phát triển và triển khai nhất quán.
• Raspberry Pi 🚀 MỚI: Hướng dẫn bắt đầu nhanh để chạy YOLO mô hình cho phần cứng Raspberry Pi mới nhất.
• Nvidia-Jetson🚀 MỚI: Hướng dẫn bắt đầu nhanh để triển khai YOLO mô hình trên thiết bị Nvidia Jetson.
• Triton Tích hợp máy chủ suy luận MỚI: Đi sâu vào tích hợp 🚀 Ultralytics YOLOv8 với NVIDIA Triton Inference Server để triển khai suy luận deep learning có thể mở rộng và hiệu quả.
• YOLO Suy luận an toàn theo luồng MỚI: Nguyên tắc thực hiện suy luận với 🚀 YOLO mô hình một cách an toàn theo luồng. Tìm hiểu tầm quan trọng của an toàn luồng và các phương pháp hay nhất để ngăn chặn điều kiện cuộc đua và đảm bảo dự đoán nhất quán.
• Cô lập các đối tượng 🚀 phân đoạn MỚI: Công thức từng bước và giải thích về cách trích xuất và / hoặc cô lập các đối tượng khỏi hình ảnh bằng cách sử dụng Ultralytics Phân đoạn.
• Cạnh TPU trên Raspberry Pi: Google cạnh TPU Tăng tốc YOLO suy luận về Raspberry Pi.
• Xem hình ảnh suy luận trong thiết bị đầu cuối: Sử dụng thiết bị đầu cuối tích hợp của VSCode để xem kết quả suy luận khi sử dụng các phiên Remote Tunnel hoặc SSH.
• OpenVINO Chế độ độ trễ so với thông lượng - Tìm hiểu các kỹ thuật tối ưu hóa độ trễ và thông lượng cho đỉnh điểm YOLO hiệu suất suy luận.

Dự án thực tế

• Đếm 🚀 đối tượng MỚI: Khám phá quá trình đếm đối tượng thời gian thực với Ultralytics YOLOv8 và tiếp thu kiến thức để đếm đối tượng một cách hiệu quả trong luồng video trực tiếp.
• Cắt xén 🚀 đối tượng MỚI: Khám phá cắt xén đối tượng bằng cách sử dụng YOLOv8 để trích xuất chính xác các đối tượng từ hình ảnh và video.
• Làm mờ 🚀 đối tượng MỚI: Áp dụng làm mờ đối tượng với YOLOv8 để bảo vệ quyền riêng tư trong xử lý hình ảnh và video.
• Giám sát 🚀 tập luyện MỚI: Khám phá cách tiếp cận toàn diện để theo dõi tập luyện với Ultralytics YOLOv8. Có được các kỹ năng và hiểu biết cần thiết để sử dụng hiệu quả YOLOv8 để theo dõi và phân tích các khía cạnh khác nhau của thói quen tập thể dục trong thời gian thực.
• Đếm đối tượng trong khu vực 🚀 MỚI: Khám phá đếm đối tượng trong các khu vực cụ thể với Ultralytics YOLOv8 để phát hiện đối tượng chính xác và hiệu quả ở các khu vực khác nhau.
• Hệ thống 🚀 báo động an ninh MỚI: Khám phá quá trình tạo hệ thống báo động an ninh vớiUltralytics YOLOv8. Hệ thống này kích hoạt cảnh báo khi phát hiện các đối tượng mới trong khung. Sau đó, bạn có thể tùy chỉnh mã để phù hợp với trường hợp sử dụng cụ thể của mình.
• Bản đồ 🚀 nhiệt MỚI: Nâng cao hiểu biết của bạn về dữ liệu với Bản đồ nhiệt phát hiện của chúng tôi! Những công cụ trực quan trực quan này sử dụng gradient màu rực rỡ để minh họa sinh động cường độ của các giá trị dữ liệu trên một ma trận. Cần thiết trong thị giác máy tính, bản đồ nhiệt được thiết kế khéo léo để làm nổi bật các lĩnh vực quan tâm, cung cấp một cách ngay lập tức, có tác động để giải thích thông tin không gian.
• Phân đoạn phiên bản với theo dõi 🚀 đối tượng MỚI: Khám phá tính năng của chúng tôi về Phân đoạn đối tượng trong Hình hộp giới hạn, cung cấp biểu diễn trực quan về ranh giới đối tượng chính xác để nâng cao hiểu biết và phân tích.
• VisionEye View Objects Mapping 🚀 MỚI: Tính năng này nhằm mục đích máy tính phân biệt và tập trung vào các đối tượng cụ thể, giống như cách mắt người quan sát chi tiết từ một quan điểm cụ thể.
• Ước tính 🚀 tốc độ MỚI: Ước tính tốc độ trong thị giác máy tính dựa vào việc phân tích chuyển động của đối tượng thông qua các kỹ thuật như theo dõi đối tượng, rất quan trọng đối với các ứng dụng như xe tự trị và giám sát giao thông.
• Tính toán 🚀 khoảng cách MỚI: Tính toán khoảng cách, liên quan đến việc đo khoảng cách giữa hai đối tượng trong một không gian xác định, là một khía cạnh quan trọng. Trong bối cảnh Ultralytics YOLOv8, phương pháp được sử dụng cho việc này liên quan đến việc sử dụng trung tâm hộp giới hạn để xác định khoảng cách liên quan đến các hộp giới hạn do người dùng đánh dấu.
• Quản lý 🚀 hàng đợi MỚI: Quản lý hàng đợi là thực hành kiểm soát và chỉ đạo hiệu quả luồng người hoặc nhiệm vụ, thường thông qua lập kế hoạch chiến lược và triển khai công nghệ, để giảm thiểu thời gian chờ đợi và cải thiện năng suất tổng thể.
• Quản lý 🚀 bãi đậu xe MỚI: Quản lý bãi đậu xe liên quan đến việc tổ chức và chỉ đạo hiệu quả luồng phương tiện trong khu vực đỗ xe, thường thông qua lập kế hoạch chiến lược và tích hợp công nghệ, để tối ưu hóa việc sử dụng không gian và nâng cao trải nghiệm người dùng.

Đóng góp cho hướng dẫn của chúng tôi

Chúng tôi hoan nghênh sự đóng góp từ cộng đồng! Nếu bạn đã nắm vững một khía cạnh cụ thể của Ultralytics YOLO Điều đó chưa được đề cập trong hướng dẫn của chúng tôi, chúng tôi khuyến khích bạn chia sẻ chuyên môn của mình. Viết hướng dẫn là một cách tuyệt vời để trả lại cho cộng đồng và giúp chúng tôi làm cho tài liệu của mình toàn diện hơn và thân thiện với người dùng hơn.

Để bắt đầu, vui lòng đọc Hướng dẫn đóng góp của chúng tôi để biết hướng dẫn về cách mở Yêu cầu kéo (PR) 🛠️ . Chúng tôi mong nhận được sự đóng góp của các bạn!

Hãy làm việc cùng nhau để tạo ra Ultralytics YOLO Hệ sinh thái mạnh mẽ và linh hoạt 🙏 hơn!

Ý kiến