Cắt Đối Tượng bằng Ultralytics YOLO11
Cắt đối tượng là gì?
Cắt đối tượng bằng Ultralytics YOLO11 bao gồm việc cô lập và trích xuất các đối tượng được phát hiện cụ thể từ hình ảnh hoặc video. Các khả năng của mô hình YOLO11 được sử dụng để xác định và phân định các đối tượng một cách chính xác, cho phép cắt chính xác để phân tích hoặc thao tác thêm.
Xem: Cắt Đối Tượng bằng Ultralytics YOLO
Ưu điểm của việc Cắt Đối tượng
- Phân tích tập trung: YOLO11 tạo điều kiện thuận lợi cho việc cắt đối tượng có mục tiêu, cho phép kiểm tra hoặc xử lý chuyên sâu các mục riêng lẻ trong một cảnh.
- Giảm dung lượng dữ liệu: Bằng cách chỉ trích xuất các đối tượng liên quan, việc cắt đối tượng giúp giảm thiểu kích thước dữ liệu, làm cho nó hiệu quả cho việc lưu trữ, truyền tải hoặc các tác vụ tính toán tiếp theo.
- Nâng cao độ chính xác: Độ chính xác phát hiện đối tượng của YOLO11 đảm bảo rằng các đối tượng được cắt giữ nguyên mối quan hệ không gian của chúng, bảo toàn tính toàn vẹn của thông tin trực quan để phân tích chi tiết.
Hình ảnh trực quan
| Hành lý Sân bay |
|---|
 |
| Cắt hành lý tại băng chuyền sân bay bằng Ultralytics YOLO11 |
Cắt Đối Tượng bằng Ultralytics YOLO
# 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 Các đối số
Đây là bảng với ObjectCropper các đối số:
| Đối số | Loại | Mặc định | Mô tả |
|---|---|---|---|
model |
str |
None |
Đường dẫn đến Tệp Mô hình Ultralytics YOLO. |
crop_dir |
str |
'cropped-detections' |
Tên thư mục để lưu trữ các phát hiện đã cắt. |
Hơn nữa, các đối số trực quan hóa sau đây có sẵn để sử dụng:
| Đối số | Loại | Mặc định | Mô tả |
|---|---|---|---|
show |
bool |
False |
Nếu True, hiển thị hình ảnh hoặc video đã chú thích trong một cửa sổ. Hữu ích để có phản hồi trực quan ngay lập tức trong quá trình phát triển hoặc thử nghiệm. |
line_width |
None or int |
None |
Chỉ định độ rộng đường của hộp giới hạn. Nếu None, độ rộng đường kẻ được tự động điều chỉnh dựa trên kích thước hình ảnh. Cung cấp tùy chỉnh trực quan để rõ ràng hơn. |
Câu hỏi thường gặp
Cắt đối tượng trong Ultralytics YOLO11 là gì và nó hoạt động như thế nào?
Cắt đối tượng bằng Ultralytics YOLO11 bao gồm việc cô lập và trích xuất các đối tượng cụ thể từ hình ảnh hoặc video dựa trên khả năng phát hiện của YOLO11. Quá trình này cho phép phân tích tập trung, giảm khối lượng dữ liệu và tăng cường độ chính xác bằng cách tận dụng YOLO11 để xác định các đối tượng với độ chính xác cao và cắt chúng cho phù hợp. Để có hướng dẫn chuyên sâu, hãy tham khảo ví dụ về cắt đối tượng.
Tại sao tôi nên sử dụng Ultralytics YOLO11 để cắt đối tượng hơn các giải pháp khác?
Ultralytics YOLO11 nổi bật nhờ độ chính xác, tốc độ và dễ sử dụng. Nó cho phép phát hiện và cắt đối tượng chi tiết và chính xác, điều cần thiết cho phân tích tập trung và các ứng dụng cần tính toàn vẹn dữ liệu cao. Hơn nữa, YOLO11 tích hợp liền mạch với các công cụ như OpenVINO và TensorRT cho các triển khai yêu cầu khả năng thời gian thực và tối ưu hóa trên các phần cứng khác nhau. Khám phá những lợi ích trong hướng dẫn về xuất mô hình.
Làm thế nào để giảm dung lượng dữ liệu của bộ dữ liệu của tôi bằng cách cắt đối tượng?
Bằng cách sử dụng Ultralytics YOLO11 để chỉ cắt các đối tượng liên quan từ hình ảnh hoặc video của bạn, bạn có thể giảm đáng kể kích thước dữ liệu, làm cho nó hiệu quả hơn cho việc lưu trữ và xử lý. Quá trình này bao gồm việc huấn luyện mô hình để phát hiện các đối tượng cụ thể và sau đó sử dụng kết quả để cắt và chỉ lưu các phần này. Để biết thêm thông tin về việc khai thác các khả năng của Ultralytics YOLO11, hãy truy cập hướng dẫn bắt đầu nhanh của chúng tôi.
Tôi có thể sử dụng Ultralytics YOLO11 để phân tích video thời gian thực và cắt đối tượng không?
Có, Ultralytics YOLO11 có thể xử lý các nguồn cấp video theo thời gian thực để phát hiện và cắt các đối tượng một cách linh hoạt. Khả năng suy luận tốc độ cao của mô hình làm cho nó trở nên lý tưởng cho các ứng dụng thời gian thực như giám sát, phân tích thể thao và hệ thống kiểm tra tự động. Kiểm tra theo dõi và chế độ dự đoán để hiểu cách triển khai xử lý thời gian thực.
Các yêu cầu về phần cứng để chạy YOLO11 hiệu quả cho việc cắt đối tượng là gì?
Ultralytics YOLO11 được tối ưu hóa cho cả môi trường CPU và GPU, nhưng để đạt được hiệu suất tối ưu, đặc biệt là cho suy luận theo thời gian thực hoặc khối lượng lớn, nên sử dụng GPU chuyên dụng (ví dụ: NVIDIA Tesla, dòng RTX). Để triển khai trên các thiết bị nhẹ, hãy cân nhắc sử dụng CoreML cho iOS hoặc TFLite cho Android. Bạn có thể tìm thêm chi tiết về các thiết bị và định dạng được hỗ trợ trong tùy chọn triển khai mô hình của chúng tôi.
