Phân loại hình ảnh

Phân loại hình ảnh là nhiệm vụ đơn giản nhất trong ba nhiệm vụ và bao gồm việc phân loại toàn bộ hình ảnh vào một trong các lớp được xác định trước.

Đầu ra của bộ phân loại hình ảnh là một nhãn lớp duy nhất và điểm tin cậy. Phân loại hình ảnh hữu ích khi bạn chỉ cần biết hình ảnh thuộc lớp nào và không cần biết các đối tượng của lớp đó nằm ở đâu hoặc hình dạng chính xác của chúng là gì.

Đồng hồ: Khám phá Ultralytics YOLO Nhiệm vụ: Phân loại hình ảnh bằng cách sử dụng Ultralytics TRUNG TÂM

Mô hình

YOLO11 Các mô hình Classify được đào tạo trước được hiển thị ở đây. Các mô hình Detect, Segment và Pose được đào tạo trước trên tập dữ liệu COCO , trong khi các mô hình Classify được đào tạo trước trên tập dữ liệu ImageNet .

Các mô hình tải xuống tự động từ mới nhất Ultralytics phát hành ngay lần sử dụng đầu tiên.

• theo giá trị là độ chính xác của mô hình trên Hình ảnhNet bộ xác thực tập dữ liệu.
  Sao chép bởi yolo val classify data=path/to/ImageNet device=0
• Tốc độ trung bình trên các hình ảnh ImageNet val sử dụng một Amazon EC2 P4d ví dụ.
  Sao chép bởi yolo val classify data=path/to/ImageNet batch=1 device=0|cpu

Xe lửa

Huấn luyện YOLO11n-cls trên tập dữ liệu MNIST160 trong 100 kỷ nguyên ở kích thước ảnh 64. Để biết danh sách đầy đủ các đối số khả dụng, hãy xem trang Cấu hình .

from ultralytics import YOLO

# Load a model
model = YOLO("yolo11n-cls.yaml")  # build a new model from YAML
model = YOLO("yolo11n-cls.pt")  # load a pretrained model (recommended for training)
model = YOLO("yolo11n-cls.yaml").load("yolo11n-cls.pt")  # build from YAML and transfer weights

# Train the model
results = model.train(data="mnist160", epochs=100, imgsz=64)

# Build a new model from YAML and start training from scratch
yolo classify train data=mnist160 model=yolo11n-cls.yaml epochs=100 imgsz=64

# Start training from a pretrained *.pt model
yolo classify train data=mnist160 model=yolo11n-cls.pt epochs=100 imgsz=64

# Build a new model from YAML, transfer pretrained weights to it and start training
yolo classify train data=mnist160 model=yolo11n-cls.yaml pretrained=yolo11n-cls.pt epochs=100 imgsz=64

Định dạng tập dữ liệu

YOLO Định dạng tập dữ liệu phân loại có thể được tìm thấy chi tiết trong Hướng dẫn tập dữ liệu .

Giá trị

Xác thực mô hình YOLO11n-cls đã được đào tạo sự chính xác trên tập dữ liệu MNIST160. Không cần đối số vì model giữ lại sự đào tạo của mình data và các đối số như các thuộc tính mô hình.

from ultralytics import YOLO

# Load a model
model = YOLO("yolo11n-cls.pt")  # load an official model
model = YOLO("path/to/best.pt")  # load a custom model

# Validate the model
metrics = model.val()  # no arguments needed, dataset and settings remembered
metrics.top1  # top1 accuracy
metrics.top5  # top5 accuracy

yolo classify val model=yolo11n-cls.pt  # val official model
yolo classify val model=path/to/best.pt  # val custom model

Dự đoán

Sử dụng mô hình YOLO11n-cls đã được đào tạo để chạy dự đoán trên hình ảnh.

from ultralytics import YOLO

# Load a model
model = YOLO("yolo11n-cls.pt")  # load an official model
model = YOLO("path/to/best.pt")  # load a custom model

# Predict with the model
results = model("https://ultralytics.com/images/bus.jpg")  # predict on an image

yolo classify predict model=yolo11n-cls.pt source='https://ultralytics.com/images/bus.jpg'  # predict with official model
yolo classify predict model=path/to/best.pt source='https://ultralytics.com/images/bus.jpg'  # predict with custom model

Xem đầy đủ predict chi tiết chế độ trong Dự đoán trang.

Xuất khẩu

Xuất mô hình YOLO11n-cls sang một định dạng khác như ONNX , CoreML , vân vân.

from ultralytics import YOLO

# Load a model
model = YOLO("yolo11n-cls.pt")  # load an official model
model = YOLO("path/to/best.pt")  # load a custom trained model

# Export the model
model.export(format="onnx")

yolo export model=yolo11n-cls.pt format=onnx  # export official model
yolo export model=path/to/best.pt format=onnx  # export custom trained model

Có sẵn YOLO11 -cls định dạng xuất khẩu nằm trong bảng dưới đây. Bạn có thể xuất khẩu sang bất kỳ định dạng nào bằng cách sử dụng format lập luận, tức là format='onnx' hoặc format='engine'. Bạn có thể dự đoán hoặc xác thực trực tiếp trên các mô hình đã xuất, tức là yolo predict model=yolo11n-cls.onnx. Các ví dụ sử dụng sẽ được hiển thị cho mô hình của bạn sau khi quá trình xuất hoàn tất.

Xem đầy đủ export chi tiết trong Xuất khẩu trang.

CÂU HỎI THƯỜNG GẶP

Mục đích của việc này là gì? YOLO11 trong phân loại hình ảnh?

YOLO11 các mô hình, chẳng hạn như yolo11n-cls.pt, được thiết kế để phân loại hình ảnh hiệu quả. Chúng gán một nhãn lớp duy nhất cho toàn bộ hình ảnh cùng với điểm tin cậy. Điều này đặc biệt hữu ích cho các ứng dụng mà việc biết lớp cụ thể của hình ảnh là đủ, thay vì xác định vị trí hoặc hình dạng của các đối tượng trong hình ảnh.

Làm thế nào để tôi đào tạo một YOLO11 mô hình phân loại hình ảnh?

Để đào tạo một YOLO11 mô hình, bạn có thể sử dụng một trong hai Python hoặc CLI lệnh. Ví dụ, để đào tạo một yolo11n-cls mô hình trên tập dữ liệu MNIST160 trong 100 kỷ nguyên ở kích thước hình ảnh là 64:

from ultralytics import YOLO

# Load a model
model = YOLO("yolo11n-cls.pt")  # load a pretrained model (recommended for training)

# Train the model
results = model.train(data="mnist160", epochs=100, imgsz=64)

yolo classify train data=mnist160 model=yolo11n-cls.pt epochs=100 imgsz=64

Để biết thêm tùy chọn cấu hình, hãy truy cập trang Cấu hình .

Tôi có thể tìm thấy pretrained ở đâu? YOLO11 mô hình phân loại?

Đã được đào tạo trước YOLO11 mô hình phân loại có thể được tìm thấy trong Mô hình phần. Các mô hình như yolo11n-cls.pt, yolo11s-cls.pt, yolo11m-cls.pt, v.v., được đào tạo trước trên Hình ảnhNet bộ dữ liệu và có thể dễ dàng tải xuống và sử dụng cho nhiều tác vụ phân loại hình ảnh khác nhau.

Làm thế nào tôi có thể xuất khẩu một đào tạo YOLO11 mô hình sang các định dạng khác nhau?

Bạn có thể xuất khẩu một đào tạo YOLO11 mô hình sang nhiều định dạng khác nhau bằng cách sử dụng Python hoặc CLI lệnh. Ví dụ, để xuất một mô hình sang ONNX định dạng:

from ultralytics import YOLO

# Load a model
model = YOLO("yolo11n-cls.pt")  # load the trained model

# Export the model to ONNX
model.export(format="onnx")

yolo export model=yolo11n-cls.pt format=onnx  # export the trained model to ONNX format

Để biết thông tin chi tiết về các tùy chọn xuất, hãy tham khảo trang Xuất .

Làm thế nào để tôi xác nhận một đào tạo YOLO11 mô hình phân loại?

Để xác thực độ chính xác của mô hình đã được đào tạo trên một tập dữ liệu như MNIST160, bạn có thể sử dụng những điều sau đây Python hoặc CLI lệnh:

from ultralytics import YOLO

# Load a model
model = YOLO("yolo11n-cls.pt")  # load the trained model

# Validate the model
metrics = model.val()  # no arguments needed, uses the dataset and settings from training
metrics.top1  # top1 accuracy
metrics.top5  # top5 accuracy

yolo classify val model=yolo11n-cls.pt  # validate the trained model

Để biết thêm thông tin, hãy truy cập phần Xác thực .

📅 Được tạo ra cách đây 1 năm ✏️ Đã cập nhật cách đây 2 tháng

Bình luận