Dự đoán bằng model với Ultralytics YOLO#

Giới thiệu#

Trong lĩnh vực machine learning và thị giác máy tính, quá trình phân tích dữ liệu hình ảnh thường được gọi là suy luận hoặc dự đoán. Ultralytics YOLO26 cung cấp tính năng mạnh mẽ mang tên chế độ predict, được thiết kế để suy luận hiệu suất cao theo thời gian thực trên nhiều nguồn dữ liệu.

Xem bản xem trước YOLO27 chưa phát hành để tham khảo các ví dụ suy luận dự kiến.

Ứng dụng thực tế#

Tại sao nên dùng Ultralytics YOLO để suy luận?#

Dưới đây là lý do bạn nên cân nhắc chế độ predict của YOLO26 cho các nhu cầu suy luận khác nhau:

• Tính linh hoạt: Có thể chạy suy luận trên hình ảnh, video và cả luồng trực tiếp.
• Hiệu năng: Được thiết kế để xử lý tốc độ cao theo thời gian thực mà không ảnh hưởng đến độ chính xác.
• Dễ sử dụng: Giao diện Python và CLI trực quan giúp triển khai và kiểm thử nhanh chóng.
• Khả năng tùy chỉnh cao: Có nhiều cài đặt và tham số để điều chỉnh cách model suy luận theo yêu cầu cụ thể của bạn.
• Sẵn sàng cho production: Triển khai model dưới dạng endpoint suy luận của Ultralytics Platform với khả năng tự động mở rộng quy mô và giám sát, hoặc chạy suy luận cục bộ.

Các tính năng chính của chế độ predict#

Chế độ predict của YOLO26 được thiết kế mạnh mẽ và linh hoạt, với các tính năng sau:

• Tương thích với nhiều nguồn dữ liệu: Dù dữ liệu của bạn là ảnh riêng lẻ, bộ sưu tập ảnh, tệp video hay luồng video thời gian thực, chế độ predict đều đáp ứng được.
• Chế độ streaming: Sử dụng tính năng streaming để tạo generator tiết kiệm bộ nhớ gồm các đối tượng Results. Bật tính năng này bằng cách đặt stream=True trong phương thức gọi của predictor. Khác với hành vi mặc định (stream=False), vốn trả về danh sách chứa tất cả kết quả, stream=True trả về từng kết quả một, đặc biệt hữu ích khi xử lý video dài và luồng trực tiếp.
• Xử lý theo batch: Xử lý nhiều hình ảnh hoặc khung hình video trong một batch, giúp giảm thêm tổng thời gian suy luận.
• Dễ tích hợp: Dễ dàng tích hợp với các pipeline dữ liệu hiện có và các thành phần phần mềm khác nhờ API linh hoạt.

Model Ultralytics YOLO trả về danh sách Python gồm các đối tượng Results hoặc generator tiết kiệm bộ nhớ gồm các đối tượng Results khi truyền stream=True cho model trong quá trình suy luận:

from ultralytics import YOLO

# Tải model
model = YOLO("yolo26n.pt")  # model YOLO26n đã được huấn luyện trước

# Chạy suy luận theo batch trên danh sách hình ảnh
results = model(["image1.jpg", "image2.jpg"])  # trả về danh sách các đối tượng Results

# Xử lý danh sách kết quả
for result in results:
    boxes = result.boxes  # Đối tượng Boxes cho đầu ra bounding box
    masks = result.masks  # Đối tượng Masks cho đầu ra mask phân đoạn
    keypoints = result.keypoints  # Đối tượng Keypoints cho đầu ra tư thế
    probs = result.probs  # Đối tượng Probs cho đầu ra phân loại
    obb = result.obb  # Đối tượng Oriented boxes cho đầu ra OBB
    result.show()  # hiển thị trên màn hình
    result.save(filename="result.jpg")  # lưu vào ổ đĩa

Nguồn suy luận#

YOLO26 có thể xử lý nhiều loại nguồn đầu vào để suy luận, như minh họa trong bảng bên dưới. Các nguồn bao gồm hình ảnh tĩnh, luồng video và nhiều định dạng dữ liệu khác nhau. Bảng cũng cho biết mỗi nguồn có thể được dùng ở chế độ streaming với tham số stream=True ✅ hay không. Chế độ streaming hữu ích khi xử lý video hoặc luồng trực tiếp vì chế độ này tạo generator kết quả thay vì tải tất cả khung hình vào bộ nhớ.

Dưới đây là các ví dụ mã cho từng loại nguồn:

from ultralytics import YOLO

# Tải model YOLO26n đã được huấn luyện trước
model = YOLO("yolo26n.pt")

# Xác định đường dẫn đến tệp hình ảnh
source = "path/to/image.jpg"

# Chạy suy luận trên nguồn
results = model(source)  # danh sách các đối tượng Results

Các tham số inference#

model.predict() chấp nhận nhiều tham số có thể truyền vào thời điểm inference để ghi đè các giá trị mặc định:

Kích thước cố định so với hình chữ nhật tối thiểu (rect)#

Theo mặc định, predict sử dụng rect=True, cho phép đệm theo hình chữ nhật tối thiểu khi có thể. Hình ảnh được thu phóng để vừa với imgsz và chỉ được đệm đến bội số stride gần nhất, vì vậy tensor cuối cùng có thể nhỏ hơn imgsz. Chỉ sử dụng đệm theo hình chữ nhật tối thiểu khi tất cả hình ảnh trong batch có cùng kích thước và backend hỗ trợ (PyTorch .pt hoặc định dạng export có kích thước động như ONNX động). Nếu không, hình ảnh sẽ được đệm đến kích thước đích imgsz đầy đủ.

Dùng rect=False để luôn đệm đến kích thước đích imgsz đầy đủ. Cách này được khuyến nghị khi bạn cần kích thước đầu vào cố định để khớp với model đã export (ONNX, TensorRT, v.v.).

imgsz kiểu số nguyên so với tuple

• imgsz=640 là số nguyên sẽ trở thành kích thước đích (640, 640) hình vuông sau khi làm tròn theo stride.
• imgsz=(384, 672) là tuple thiết lập kích thước đích hình chữ nhật. Với rect=True, tensor thực tế có thể nhỏ hơn kích thước đích này.

Training so với predict/export

Training chỉ chấp nhận imgsz là một số nguyên duy nhất (danh sách [h, w] được chuyển thành giá trị lớn nhất). Predict và export chấp nhận số nguyên hoặc tuple (height, width).

from ultralytics import YOLO

# Tải model YOLO26n đã được huấn luyện trước
model = YOLO("yolo26n.pt")

# Chạy inference trên 'bus.jpg' với các tham số
model.predict("https://ultralytics.com/images/bus.jpg", save=True, imgsz=320, conf=0.25)

Các đối số suy luận:

Các tham số trực quan hóa:

Định dạng hình ảnh và video#

YOLO26 hỗ trợ nhiều định dạng hình ảnh và video, như được chỉ định trong ultralytics/data/utils.py. Xem các bảng bên dưới để biết phần mở rộng hợp lệ và ví dụ lệnh predict.

Hình ảnh#

Bảng dưới đây liệt kê các định dạng hình ảnh Ultralytics hợp lệ.

Video#

Bảng dưới đây liệt kê các định dạng video Ultralytics hợp lệ.

Làm việc với Results#

Tất cả lời gọi predict() của Ultralytics sẽ trả về danh sách các đối tượng Results:

from ultralytics import YOLO

# Tải model YOLO26n đã được huấn luyện trước
model = YOLO("yolo26n.pt")

# Chạy suy luận trên một ảnh
results = model("https://ultralytics.com/images/bus.jpg")
results = model(
    [
        "https://ultralytics.com/images/bus.jpg",
        "https://ultralytics.com/images/zidane.jpg",
    ]
)  # inference theo batch

Các đối tượng Results có những thuộc tính sau:

Results theo tác vụ#

Các trường bên dưới được điền tùy theo tác vụ của model — hãy so sánh phát hiện, phân đoạn, phân đoạn ngữ nghĩa, ước tính độ sâu, phân loại, pose và OBB nếu bạn chưa chọn tác vụ. Mỗi lần dự đoán trả về một đối tượng Results cho mỗi hình ảnh hoặc frame. Các trường chung ở trên luôn có sẵn, còn dữ liệu dự đoán riêng cho từng tác vụ được lưu trong các trường bên dưới. Tensor tọa độ và độ tin cậy YOLO là torch.float32; tensor xác suất là torch.float32, trừ khi sử dụng inference FP16 (quantize=16), khi đó là torch.float16. Sau result.numpy(), tensor trở thành mảng NumPy với dtype NumPy tương ứng. Mask instance là tensor nhị phân torch.uint8, trong khi mask ngữ nghĩa sử dụng dtype số nguyên nhỏ nhất phù hợp cho ID lớp: torch.uint8, torch.int16 hoặc torch.int32, tùy theo số lớp.

Các đối tượng Results có các phương thức sau:

Để biết thêm chi tiết, xem tài liệu về lớp Results.

Boxes#

Có thể dùng đối tượng Boxes để lập chỉ mục, thao tác và chuyển đổi bounding box sang các định dạng khác nhau.

from ultralytics import YOLO

# Tải model YOLO26n đã được huấn luyện trước
model = YOLO("yolo26n.pt")

# Chạy suy luận trên một ảnh
results = model("https://ultralytics.com/images/bus.jpg")  # danh sách kết quả

# Xem kết quả
for r in results:
    print(r.boxes)  # in đối tượng Boxes chứa các bounding box được phát hiện

Dưới đây là bảng các phương thức và thuộc tính của lớp Boxes, bao gồm tên, kiểu và mô tả:

Để biết thêm chi tiết, xem tài liệu về lớp Boxes.

Masks#

Có thể dùng đối tượng Masks để lập chỉ mục, thao tác và chuyển đổi masks thành segments.

from ultralytics import YOLO

# Tải model Segment YOLO26n-seg đã được huấn luyện trước
model = YOLO("yolo26n-seg.pt")

# Chạy suy luận trên một ảnh
results = model("https://ultralytics.com/images/bus.jpg")  # danh sách kết quả

# Xem kết quả
for r in results:
    print(r.masks)  # in đối tượng Masks chứa các mask đối tượng đã phát hiện

Dưới đây là bảng các phương thức và thuộc tính của lớp Masks, bao gồm tên, kiểu và mô tả:

Để biết thêm chi tiết, xem tài liệu về lớp Masks.

SemanticMask#

SemanticMask lưu một class map dày đặc cho kết quả phân đoạn ngữ nghĩa. Khác với Masks, đối tượng này không chứa một mask nhị phân cho mỗi đối tượng và không cung cấp các hàm hỗ trợ polygon.

from ultralytics import YOLO

# Tải model Semantic YOLO26n-sem đã được huấn luyện trước
model = YOLO("yolo26n-sem.pt")

# Chạy suy luận trên một ảnh
results = model("https://ultralytics.com/images/bus.jpg")  # danh sách kết quả

# Xem kết quả
for r in results:
    print(r.semantic_mask.data)  # in class map H x W chứa ID lớp

Keypoints#

Có thể dùng đối tượng Keypoints để lập chỉ mục, thao tác và chuẩn hóa tọa độ.

from ultralytics import YOLO

# Tải model Pose YOLO26n-pose đã được huấn luyện trước
model = YOLO("yolo26n-pose.pt")

# Chạy suy luận trên một ảnh
results = model("https://ultralytics.com/images/bus.jpg")  # danh sách kết quả

# Xem kết quả
for r in results:
    print(r.keypoints)  # in đối tượng Keypoints chứa các keypoint đã phát hiện

Dưới đây là bảng các phương thức và thuộc tính của lớp Keypoints, bao gồm tên, kiểu và mô tả:

Để biết thêm chi tiết, xem tài liệu về lớp Keypoints.

Probs#

Có thể dùng đối tượng Probs để lấy các chỉ số và điểm số phân loại top1 và top5.

from ultralytics import YOLO

# Tải model Classify YOLO26n-cls đã được huấn luyện trước
model = YOLO("yolo26n-cls.pt")

# Chạy suy luận trên một ảnh
results = model("https://ultralytics.com/images/bus.jpg")  # danh sách kết quả

# Xem kết quả
for r in results:
    print(r.probs)  # in đối tượng Probs chứa xác suất của các lớp đã phát hiện

Dưới đây là bảng tóm tắt các phương thức và thuộc tính của lớp Probs:

Để biết thêm chi tiết, xem tài liệu về lớp Probs.

OBB#

Đối tượng OBB có thể được dùng để lập chỉ mục, thao tác và chuyển đổi bounding box định hướng sang các định dạng khác nhau.

from ultralytics import YOLO

# Tải model YOLO26n đã được huấn luyện trước
model = YOLO("yolo26n-obb.pt")

# Chạy suy luận trên một ảnh
results = model("https://ultralytics.com/images/boats.jpg")  # danh sách kết quả

# Xem kết quả
for r in results:
    print(r.obb)  # # In đối tượng OBB chứa các bounding box phát hiện định hướng

Dưới đây là bảng các phương thức và thuộc tính của lớp OBB, bao gồm tên, kiểu và mô tả:

Để biết thêm chi tiết, xem tài liệu về lớp OBB.

Trực quan hóa kết quả#

Phương thức plot() trong các đối tượng Results hỗ trợ trực quan hóa dự đoán bằng cách phủ các đối tượng được phát hiện (chẳng hạn như bounding box, mask, keypoint và xác suất) lên ảnh gốc. Phương thức này trả về ảnh đã chú thích dưới dạng mảng NumPy, giúp dễ dàng hiển thị hoặc lưu ảnh.

from PIL import Image

from ultralytics import YOLO

# Load a pretrained YOLO26n model
model = YOLO("yolo26n.pt")

# Run inference on 'bus.jpg'
results = model(["https://ultralytics.com/images/bus.jpg", "https://ultralytics.com/images/zidane.jpg"])  # results list

# Visualize the results
for i, r in enumerate(results):
    # Plot results image
    im_bgr = r.plot()  # BGR-order numpy array
    im_rgb = Image.fromarray(im_bgr[..., ::-1])  # RGB-order PIL image

    # Show results to screen (in supported environments)
    r.show()

    # Save results to disk
    r.save(filename=f"results{i}.jpg")

Các tham số của phương thức plot()#

Phương thức plot() hỗ trợ nhiều đối số để tùy chỉnh đầu ra:

Suy luận an toàn luồng#

Đảm bảo an toàn luồng trong quá trình suy luận là yếu tố quan trọng khi chạy nhiều model YOLO song song trên các luồng khác nhau. Suy luận an toàn luồng đảm bảo dự đoán của từng luồng được cô lập và không ảnh hưởng lẫn nhau, tránh race condition và đảm bảo đầu ra nhất quán, đáng tin cậy.

Khi sử dụng model YOLO trong ứng dụng đa luồng, điều quan trọng là khởi tạo các đối tượng model riêng cho từng luồng hoặc sử dụng bộ nhớ lưu trữ cục bộ theo luồng để ngăn ngừa xung đột:

from threading import Thread

from ultralytics import YOLO

def thread_safe_predict(model, image_path):
    """Performs thread-safe prediction on an image using a locally instantiated YOLO model."""
    model = YOLO(model)
    results = model.predict(image_path)
    # # Xử lý kết quả

# # Khởi chạy các luồng, mỗi luồng có một instance model riêng
Thread(target=thread_safe_predict, args=("yolo26n.pt", "image1.jpg")).start()
Thread(target=thread_safe_predict, args=("yolo26n.pt", "image2.jpg")).start()

Để tìm hiểu chuyên sâu về suy luận an toàn luồng với model YOLO và xem hướng dẫn từng bước, vui lòng tham khảo Hướng dẫn suy luận YOLO an toàn luồng. Hướng dẫn này cung cấp mọi thông tin cần thiết để tránh các lỗi thường gặp và đảm bảo quy trình suy luận đa luồng hoạt động trơn tru.

Vòng lặp for cho nguồn stream#

Dưới đây là script Python sử dụng OpenCV (cv2) và YOLO để chạy suy luận trên các frame video. Script này giả định bạn đã cài đặt các package cần thiết (opencv-python và ultralytics).

import cv2

from ultralytics import YOLO

# Tải model YOLO
model = YOLO("yolo26n.pt")

# # Mở tệp video
video_path = "path/to/your/video/file.mp4"
cap = cv2.VideoCapture(video_path)

# # Lặp qua các frame video
while cap.isOpened():
    # # Đọc một frame từ video
    success, frame = cap.read()

    if success:
        # # Chạy suy luận YOLO trên frame
        results = model(frame)

        # # Trực quan hóa kết quả trên frame
        annotated_frame = results[0].plot()

        # # Hiển thị frame đã chú thích
        cv2.imshow("YOLO Inference", annotated_frame)

        # # Thoát vòng lặp nếu nhấn 'q'
        if cv2.waitKey(1) & 0xFF == ord("q"):
            break
    else:
        # # Thoát vòng lặp nếu đã đến cuối video
        break

# # Giải phóng đối tượng capture video và đóng cửa sổ hiển thị
cap.release()
cv2.destroyAllWindows()

Script này chạy dự đoán trên từng frame của video, trực quan hóa kết quả và hiển thị kết quả trong một cửa sổ. Có thể thoát vòng lặp bằng cách nhấn 'q'.

Tiếp theo là gì#

Bạn đã sẵn sàng vượt qua model pretrained? Xác nhận tác vụ phù hợp với bài toán của bạn, định dạng dữ liệu của riêng bạn theo hướng dẫn về dataset, rồi huấn luyện trên dữ liệu đó.

Câu hỏi thường gặp#