Cắt đối tượng bằng cách sử dụng Ultralytics YOLO11
Cắt đối tượng là gì?
Cắt đối tượng bằng Ultralytics YOLO11 bao gồm việc cô lập và trích xuất các đối tượng cụ thể được phát hiện từ hình ảnh hoặc video. YOLO11 Khả năng của mô hình được sử dụng để xác định và phân định chính xác các đối tượng, cho phép cắt xén chính xác để phân tích hoặc thao tác thêm.
Đồng hồ: Cắt đối tượng bằng cách sử dụng Ultralytics YOLO
Ưu điểm của việc cắt đối tượng
- Phân tích tập trung : YOLO11 hỗ trợ cắt đối tượng mục tiêu, cho phép kiểm tra hoặc xử lý chuyên sâu từng mục riêng lẻ trong một cảnh.
- Giảm khối lượng dữ liệu : Bằng cách chỉ trích xuất các đối tượng có liên quan, việc cắt đối tượng giúp giảm thiểu kích thước dữ liệu, giúp lưu trữ, truyền tải hoặc thực hiện các tác vụ tính toán tiếp theo hiệu quả hơn.
- Độ chính xác được cải thiện : YOLO11 Độ chính xác phát hiện đối tượng đảm bảo rằng các đối tượng được cắt vẫn duy trì mối quan hệ không gian của chúng, bảo toàn tính toàn vẹn của thông tin hình ảnh để phân tích chi tiết.
Hình ảnh
| Hành lý sân bay |
|---|
 |
| Vali Cắt tại băng chuyền sân bay sử dụng Ultralytics YOLO11 |
Cắt đối tượng bằng cách sử dụng Ultralytics YOLO
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 Lập luận
Đây là một bảng với ObjectCropper lập luận:
| Lý lẽ | Kiểu | Mặc định | Sự miêu tả |
|---|---|---|---|
model |
str |
None |
Đường dẫn đến Ultralytics YOLO Tệp mẫu. |
crop_dir |
str |
"cropped-detections" |
Tên thư mục để lưu trữ các phát hiện đã cắt. |
Ngoài ra, các đối số trực quan sau đây có thể được sử dụng:
| Lý lẽ | Kiểu | Mặc định | Sự miêu tả |
|---|---|---|---|
show |
bool |
False |
Nếu như True, hiển thị hình ảnh hoặc video có chú thích trong một cửa sổ. Hữu ích cho 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 của đường được tự động điều chỉnh dựa trên kích thước hình ảnh. Cung cấp tùy chỉnh trực quan để rõ nét hơn. |
CÂU HỎI THƯỜNG GẶP
Cắt đối tượng là gì? Ultralytics YOLO11 và nó hoạt động như thế nào?
Việc cắt đối tượng bằng Ultralytics YOLO11 liên quan đến việc cô lập và trích xuất các đối tượng cụ thể từ hình ảnh hoặc video dựa trên YOLO11 khả năng phát hiện của. 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 biết hướng dẫn chi tiết, hãy tham khảo ví dụ cắt đối tượng .
Tại sao tôi nên sử dụng Ultralytics YOLO11 để cắt xén đối tượng trên 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, 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 để triển khai yêu cầu khả năng thời gian thực và tối ưu hóa trên nhiều phần cứng khác nhau. Khám phá các lợi ích trong hướng dẫn về xuất mô hình .
Làm thế nào tôi có thể giảm khối lượng dữ liệu của tập dữ liệu của mình bằng cách cắt đối tượng?
Bằng cách sử dụng Ultralytics YOLO11 để chỉ cắt các đối tượng có liên quan từ hình ảnh hoặc video của bạn, bạn có thể giảm đáng kể kích thước dữ liệu, giúp lưu trữ và xử lý hiệu quả hơn. Quá trình này bao gồm việc đào tạo mô hình để phát hiện các đối tượng cụ thể và sau đó sử dụng kết quả để cắt và lưu các phần này. Để biết thêm thông tin về khai thác Ultralytics YOLO11 khả năng của, 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?
Đúng, Ultralytics YOLO11 có thể xử lý nguồn cấp dữ liệu video thời gian thực để phát hiện và cắt xén các đối tượng một cách động. 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 các chế độ theo dõi và dự đoán để hiểu cách triển khai xử lý thời gian thực.
Yêu cầu về phần cứng để chạy hiệu quả là gì? YOLO11 để cắt đối tượng?
Ultralytics YOLO11 được tối ưu hóa cho cả hai CPU Và GPU môi trường, nhưng để đạt được hiệu suất tối ưu, đặc biệt là đối với suy luận thời gian thực hoặc khối lượng lớn, một GPU (ví dụ, NVIDIA Tesla, RTX series) được khuyến nghị. Để triển khai trên các thiết bị nhẹ, hãy cân nhắc sử dụng CoreML cho iOS hoặc TFLite cho Android . Bạn có thể tìm thấy thêm thông tin chi tiết về các thiết bị và định dạng được hỗ trợ trong các tùy chọn triển khai mô hình của chúng tôi.
