Cắt đối tượng bằng Ultralytics YOLO26#
Cắt đối tượng là gì?#
Cắt đối tượng bằng Ultralytics YOLO26 bao gồm việc cô lập và trích xuất các đối tượng được phát hiện cụ thể từ hình ảnh hoặc video. Tận dụng các khả năng của model YOLO26 để xác định và phân định chính xác đối tượng, nhờ đó có thể cắt chính xác để phân tích hoặc xử lý thêm.
Xem: Cắt ảnh đối tượng bằng Ultralytics YOLO
Ưu điểm của việc cắt đối tượng#
- Phân tích tập trung: YOLO26 hỗ trợ cắt đối tượng có mục tiêu, cho phép kiểm tra hoặc xử lý chuyên sâu từng đối tượng riêng lẻ trong một cảnh.
- Giảm dung lượng dữ liệu: Bằng cách chỉ trích xuất các đối tượng có liên quan, việc cắt đối tượng giúp giảm kích thước dữ liệu, nhờ đó tăng hiệu quả lưu trữ, truyền tải hoặc thực hiện các tác vụ tính toán tiếp theo.
- Độ chính xác cao hơn: Khả năng phát hiện đối tượng và độ chính xác của YOLO26 đảm bảo các đối tượng được cắt vẫn giữ nguyên tương quan không gian, bảo toàn tính toàn vẹn của thông tin hình ảnh để phân tích chi tiết.
Hình ảnh minh họa#
| Hành lý tại sân bay |
|---|
 |
| Cắt va-li trên băng chuyền sân bay bằng Ultralytics YOLO26 |
Cắt đối tượng bằng YOLO26#
Truyền video của bạn vào giải pháp ObjectCropper; giải pháp sẽ phát hiện đối tượng trong từng khung hình và lưu mỗi lần phát hiện thành một hình ảnh riêng. Giới hạn việc cắt ở các classes cụ thể, tăng conf để chỉ giữ các lần phát hiện có độ tin cậy cao, và đặt crop_dir để chọn nơi lưu các ảnh đã cắt.
# Crop the objects
yolo solutions crop
# Pass a source video
yolo solutions crop source="path/to/video.mp4"
# Crop specific classes
yolo solutions crop classes="[0, 2]"Các đối số của ObjectCropper#
Dưới đây là bảng các đối số của ObjectCropper:
| Đối số | Kiểu | Mặc định | Mô tả |
|---|---|---|---|
model | str | None | Đường dẫn đến tệp model Ultralytics YOLO. |
crop_dir | str | 'cropped-detections' | Tên thư mục dùng để lưu các đối tượng phát hiện đã cắt. |
verbose | bool | True | Bật nhật ký theo từng frame của giải pháp, gồm shape đầu vào, số lượng class và tốc độ xử lý. Bản thân lệnh gọi tracking luôn không ghi nhật ký. |
ObjectCropper chạy predict thay vì track, nên hỗ trợ các tham số suy luận sau, ngoại trừ tracker:
| Đối số | Kiểu | Mặc định | Mô tả |
|---|---|---|---|
tracker | str | 'tracktrack.yaml' | Chỉ định thuật toán theo dõi cần sử dụng. Các tùy chọn tích hợp sẵn: botsort.yaml, bytetrack.yaml, ocsort.yaml, deepocsort.yaml, fasttrack.yaml, tracktrack.yaml. |
conf | float | 0.25 | Đặt ngưỡng confidence cho các đối tượng được phát hiện; giá trị thấp hơn cho phép theo dõi nhiều đối tượng hơn nhưng có thể bao gồm cả kết quả dương tính giả. |
iou | float | 0.7 | Đặt ngưỡng Intersection over Union (IoU) để lọc các đối tượng phát hiện bị chồng lấn. |
classes | list | None | Lọc kết quả theo chỉ mục class. Ví dụ: classes=[0, 2, 3] chỉ theo dõi các class được chỉ định. |
device | str | None | Chỉ định thiết bị dùng để suy luận (ví dụ: cpu, cuda:0 hoặc 0). Cho phép người dùng chọn CPU, một GPU cụ thể hoặc thiết bị tính toán khác để chạy model. |
imgsz | int or tuple | 640 | Kích thước ảnh suy luận mục tiêu: số nguyên cho ảnh vuông hoặc cặp (height, width). Kích thước sẽ được điều chỉnh theo stride của model. |
max_det | int | 300 | Số lượng đối tượng phát hiện tối đa được giữ lại trong mỗi khung hình trước khi theo dõi, giới hạn số đối tượng mà một giải pháp xử lý trong các cảnh dày đặc. |
quantize | int or str | None | Độ chính xác suy luận: 16 (FP16) hoặc 32/unset (FP32) cho model PyTorch và TorchScript khi chạy ngoài CPU; các định dạng khác sử dụng độ chính xác do artifact và runtime của chúng lựa chọn. Thay thế đối số half đã lỗi thời. |
Câu hỏi thường gặp#
Cắt đối tượng bằng Ultralytics YOLO26 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 YOLO26. Quy trình này cho phép phân tích tập trung, giảm dung lượng dữ liệu và cải thiện độ chính xác bằng cách tận dụng YOLO26 để xác định đối tượng với độ chính xác cao rồi cắt đối tượng tương ứng. Để xem hướng dẫn chi tiết, hãy tham khảo ví dụ về cắt đối tượng.
Ultralytics YOLO26 nổi bật nhờ độ chính xác, tốc độ và tính dễ sử dụng. Model này cho phép phát hiện và cắt đối tượng chi tiết, chính xác — yếu tố thiết yếu cho phân tích tập trung và các ứng dụng đòi hỏi tính toàn vẹn dữ liệu cao. Ngoài ra, YOLO26 tích hợp liền mạch với các công cụ như OpenVINO và TensorRT để triển khai yêu cầu khả năng xử lý thời gian thực và tối ưu hóa trên nhiều loại phần cứng. Tìm hiểu các lợi ích trong hướng dẫn xuất model.
Bằng cách dùng Ultralytics YOLO26 để chỉ cắt các đối tượng liên quan từ hình ảnh hoặc video, bạn có thể giảm đáng kể kích thước dữ liệu, giúp lưu trữ và xử lý hiệu quả hơn. Quy trình này bao gồm huấn luyện model để phát hiện các đối tượng cụ thể, sau đó dùng kết quả để chỉ cắt và lưu những phần này. Để biết thêm thông tin về cách khai thác khả năng của Ultralytics YOLO26, hãy xem hướng dẫn bắt đầu nhanh.
Có, Ultralytics YOLO26 có thể xử lý luồng video thời gian thực để phát hiện và cắt đối tượng một cách linh hoạt. Khả năng suy luận tốc độ cao của model này khiến model 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. Hãy xem các chế độ tracking và dự đoán để hiểu cách triển khai xử lý thời gian thực.
Ultralytics YOLO26 được tối ưu hóa cho cả môi trường CPU và GPU, nhưng để đạt hiệu năng tối ưu, đặc biệt là khi suy luận thời gian thực hoặc với khối lượng lớn, nên sử dụng GPU chuyên dụng (ví dụ: dòng NVIDIA Tesla, RTX). Để triển khai trên thiết bị gọn nhẹ, hãy cân nhắc dùng CoreML cho iOS hoặc LiteRT cho Android. Bạn có thể xem thêm thông tin về các thiết bị và định dạng được hỗ trợ trong các tùy chọn triển khai model.