Object Detection với Ultralytics YOLO#

Object detection là một tác vụ liên quan đến việc xác định vị trí và lớp của các đối tượng trong một hình ảnh hoặc luồng video.

Đầu ra của một bộ dò đối tượng là tập hợp các khung bao quanh các đối tượng trong ảnh, cùng với nhãn lớp và điểm tin cậy cho mỗi khung. Object detection là lựa chọn tốt khi bạn cần xác định các đối tượng quan tâm trong một cảnh, nhưng không cần biết chính xác vị trí hoặc hình dạng chính xác của đối tượng đó.

Models#

Các mô hình Detect được huấn luyện trước của YOLO26 được hiển thị ở đây. Các mô hình Detect, Segment và Pose được huấn luyện trước trên tập dữ liệu COCO, các mô hình Semantic được huấn luyện trước trên Cityscapes, và các mô hình Classify được huấn luyện trước trên tập dữ liệu ImageNet.

Models được tải xuống tự động từ bản release mới nhất của Ultralytics trong lần sử dụng đầu tiên.

• Các giá trị mAP^val dành cho mô hình đơn lẻ trên một tỷ lệ duy nhất trên tập dữ liệu COCO val2017.
  Tái tạo bằng yolo val detect data=coco.yaml device=0
• Tốc độ được tính trung bình trên các hình ảnh COCO val bằng cách sử dụng một instance Amazon EC2 P4d.
  Tái tạo bằng yolo val detect data=coco.yaml batch=1 device=0|cpu
• Giá trị Params và FLOPs dành cho model đã hợp nhất sau model.fuse(), thao tác này gộp các lớp Conv và BatchNorm lại và, đối với các model end2end, loại bỏ phần đầu phát hiện một-sang-nhiều phụ trợ. Các checkpoint đã huấn luyện trước giữ nguyên kiến trúc huấn luyện đầy đủ và có thể hiển thị số lượng cao hơn.

Huấn luyện (Train)#

Huấn luyện YOLO26n trên tập dữ liệu COCO8 trong 100 epochs ở kích thước ảnh 640. Để có danh sách đầy đủ các tham số có sẵn, hãy xem trang Configuration.

from ultralytics import YOLO

# Load a model
model = YOLO("yolo26n.yaml")  # build a new model from YAML
model = YOLO("yolo26n.pt")  # load a pretrained model (recommended for training)
model = YOLO("yolo26n.yaml").load("yolo26n.pt")  # build from YAML and transfer weights

# Train the model
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

Xem chi tiết đầy đủ về chế độ train trong trang Train. Các mô hình phát hiện cũng có thể được huấn luyện bằng Ultralytics Platform cloud training.

Định dạng tập dữ liệu#

Định dạng tập dữ liệu phát hiện YOLO có thể được tìm thấy chi tiết trong Dataset Guide. Để chuyển đổi tập dữ liệu hiện có của bạn từ các định dạng khác (như COCO, v.v.) sang định dạng YOLO, vui lòng sử dụng công cụ JSON2YOLO của Ultralytics. Bạn cũng có thể chú thích và quản lý các tập dữ liệu phát hiện bằng Ultralytics Platform's AI-assisted annotation tools.

Val#

Xác thực accuracy của mô hình YOLO26n đã được huấn luyện trên tập dữ liệu COCO8. Không cần tham số nào vì model giữ lại data và các tham số huấn luyện của nó dưới dạng các thuộc tính của mô hình.

from ultralytics import YOLO

# Load a model
model = YOLO("yolo26n.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.box.map  # map50-95
metrics.box.map50  # map50
metrics.box.map75  # map75
metrics.box.maps  # a list containing mAP50-95 for each category
metrics.box.image_metrics  # per-image metrics dictionary with precision, recall, F1, TP, FP, and FN

Dự đoán (Predict)#

Sử dụng model YOLO26n đã huấn luyện để chạy dự đoán trên các hình ảnh.

from ultralytics import YOLO

# Load a model
model = YOLO("yolo26n.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

# Access the results
for result in results:
    xywh = result.boxes.xywh  # center-x, center-y, width, height
    xywhn = result.boxes.xywhn  # normalized
    xyxy = result.boxes.xyxy  # top-left-x, top-left-y, bottom-right-x, bottom-right-y
    xyxyn = result.boxes.xyxyn  # normalized
    names = [result.names[cls.item()] for cls in result.boxes.cls.int()]  # class name of each box
    confs = result.boxes.conf  # confidence score of each box

Xem chi tiết đầy đủ về chế độ predict tại trang Predict.

Đầu ra kết quả#

Phát hiện đối tượng trả về một đối tượng Results cho mỗi hình ảnh. Trường dự đoán chính là result.boxes, chứa tọa độ hộp, ID lớp và điểm độ tin cậy cho mỗi đối tượng được phát hiện.

Đối với các trường Results dành riêng cho từng tác vụ trên mọi tác vụ, hãy xem phần Predict Results by Task.

Xuất (Export)#

Xuất model YOLO26n sang một định dạng khác như ONNX, CoreML, v.v.

from ultralytics import YOLO

# Load a model
model = YOLO("yolo26n.pt")  # load an official model
model = YOLO("path/to/best.pt")  # load a custom-trained model

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

Các định dạng xuất YOLO26 có sẵn nằm trong bảng bên dưới. Bạn có thể xuất sang bất kỳ định dạng nào bằng cách sử dụng tham số format, nghĩa là format='onnx' hoặc format='engine'. Bạn có thể dự đoán hoặc xác thực trực tiếp trên các mô hình đã xuất, nghĩa là yolo predict model=yolo26n.onnx. Các ví dụ sử dụng được hiển thị cho mô hình của bạn sau khi quá trình xuất hoàn tất.

Xem chi tiết đầy đủ về export tại trang Export.

Câu hỏi thường gặp#