Cắt đối tượng bằng cách sử dụng Ultralytics YOLO11

Cắt xén 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. Các khả năng của mô hình YOLO11 được sử dụng để xác định và phân định chính xác các đối tượng, cho phép cắt chính xác để phân tích hoặc thao tác thêm.

Xem: Cắt đối tượng bằng cách sử dụng Ultralytics YOLO

Ưu điểm của việc cắt xén 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, cắt xén 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.
• Độ chính xác được cải thiện : Độ chính xác phát hiện đối tượng của YOLO11 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

import os

import cv2

from ultralytics import YOLO
from ultralytics.utils.plotting import Annotator, colors

model = YOLO("yolo11n.pt")
names = model.names

cap = cv2.VideoCapture("path/to/video/file.mp4")
assert cap.isOpened(), "Error reading video file"
w, h, fps = (int(cap.get(x)) for x in (cv2.CAP_PROP_FRAME_WIDTH, cv2.CAP_PROP_FRAME_HEIGHT, cv2.CAP_PROP_FPS))

crop_dir_name = "ultralytics_crop"
if not os.path.exists(crop_dir_name):
    os.mkdir(crop_dir_name)

# Video writer
video_writer = cv2.VideoWriter("object_cropping_output.avi", cv2.VideoWriter_fourcc(*"mp4v"), fps, (w, h))

idx = 0
while cap.isOpened():
    success, im0 = cap.read()
    if not success:
        print("Video frame is empty or video processing has been successfully completed.")
        break

    results = model.predict(im0, show=False)
    boxes = results[0].boxes.xyxy.cpu().tolist()
    clss = results[0].boxes.cls.cpu().tolist()
    annotator = Annotator(im0, line_width=2, example=names)

    if boxes is not None:
        for box, cls in zip(boxes, clss):
            idx += 1
            annotator.box_label(box, color=colors(int(cls), True), label=names[int(cls)])

            crop_obj = im0[int(box[1]) : int(box[3]), int(box[0]) : int(box[2])]

            cv2.imwrite(os.path.join(crop_dir_name, str(idx) + ".png"), crop_obj)

    cv2.imshow("ultralytics", im0)
    video_writer.write(im0)

    if cv2.waitKey(1) & 0xFF == ord("q"):
        break

cap.release()
video_writer.release()
cv2.destroyAllWindows()

Lập luận model.predict

FAQ

Cắt đối tượng là gì? Ultralytics YOLO11 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 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 dùng để cắt đối tượng thay vì 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, rất 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 nhiều phần cứng khác nhau. Khám phá các lợi ích trong hướng dẫn về xuất mô hình .

Làm cách nào để giảm khối lượng dữ liệu của tập dữ liệu bằng cách cắt xén đối tượng?

Bằng cách sử dụng Ultralytics YOLO11 để cắt chỉ 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 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 Để biết thêm về khả năng của 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?

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 YOLO11 hiệu quả khi cắt đối tượng là gì?

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 vì 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.

📅 Được tạo cách đây 10 tháng ✏️ Đã cập nhật cách đây 1 tháng

Ý kiến