Cắt xén đối tượng bằng cách sử dụng Ultralytics YOLOv8

Cắt xén đối tượng là gì?

Cắt xén đối tượng với Ultralytics YOLOv8 liên quan đến việc cô lập và trích xuất các đối tượng được phát hiện cụ thể từ hình ảnh hoặc video. Các YOLOv8 Khả năng 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.

Xem: Cắt xén đối tượng bằng cách sử dụng Ultralytics YOLOv8

Ưu điểm của việc cắt xén đối tượng?

• Phân tích tập trung: YOLOv8 Tạo điều kiện thuận lợi cho việc cắt xén đối tượng được nhắm mục tiêu, cho phép kiểm tra chuyên sâu hoặc xử lý các 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 nâng cao: YOLOv8Độ chính xác phát hiện đối tượng của đối tượng đảm bảo rằng các đối tượng bị cắt 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 xén tại băng chuyền sân bay bằng cách sử dụng Ultralytics YOLOv8

import os

import cv2

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

model = YOLO("yolov8n.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 xén đối tượng là gì Ultralytics YOLOv8 Và nó hoạt động như thế nào?

Cắt xén đối tượng bằng cách sử dụng Ultralytics YOLOv8 liên quan đến việc cô lập và trích xuất các đối tượng cụ thể từ hình ảnh hoặc video dựa trên YOLOv8khả năng phát hiện. Quá trình này cho phép phân tích tập trung, giảm khối lượng dữ liệu và nâng cao độ chính xác bằng cách tận dụng YOLOv8 để xác định các đối tượng có độ chính xác cao và cắt xén chúng cho phù hợp. Để có hướng dẫn chuyên sâu, hãy tham khảo ví dụ về cắt xén đối tượng.

Tại sao tôi nên sử dụng Ultralytics YOLOv8 Đối với cắt xén đối tượng trên các giải pháp khác?

Ultralytics YOLOv8 Nổi bật nhờ độ chính xác, tốc độ và dễ sử dụng. Nó cho phép phát hiện và cắt xén 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 YOLOv8 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 phần cứng đa dạng. Khám phá những 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 YOLOv8 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, làm cho việc lưu trữ và xử lý hiệu quả hơn. Quá trình này liên quan đến việc đào tạo 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 khai thác Ultralytics YOLOv8Khả năng của chúng tôi, hãy truy cập hướng dẫn bắt đầu nhanh của chúng tôi.

Tôi có thể sử dụng không Ultralytics YOLOv8 Để phân tích video thời gian thực và cắt xén đối tượng?

Có Ultralytics YOLOv8 Có thể xử lý nguồn cấp dữ liệu video 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 các chế độ theo dõi và dự đoán để hiểu cách triển khai xử lý thời gian thực.

Các yêu cầu phần cứng để chạy hiệu quả là gì YOLOv8 để cắt xén đối tượng?

Ultralytics YOLOv8 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 chuyên dụng 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 thêm chi tiết về các thiết bị và định dạng được hỗ trợ trong các tùy chọn triển khai mô hình của chúng tôi.

Ý kiến