多目标跟踪数据集概述

数据集格式（即将推出）

多目标检测器无需独立训练，可直接支持预训练的检测、分割或姿态模型。即将支持单独训练跟踪器

使用方法

from ultralytics import YOLO

model = YOLO("yolo11n.pt")
results = model.track(source="https://youtu.be/LNwODJXcvt4", conf=0.3, iou=0.5, show=True)

yolo track model=yolo11n.pt source="https://youtu.be/LNwODJXcvt4" conf=0.3, iou=0.5 show

常见问题

如何使用Ultralytics YOLO 进行多目标跟踪？

要通过Ultralytics YOLO 使用多对象跟踪功能，可以先使用所提供的Python 或CLI 示例。以下是开始使用的方法：

from ultralytics import YOLO

model = YOLO("yolo11n.pt")  # Load the YOLO11 model
results = model.track(source="https://youtu.be/LNwODJXcvt4", conf=0.3, iou=0.5, show=True)

yolo track model=yolo11n.pt source="https://youtu.be/LNwODJXcvt4" conf=0.3 iou=0.5 show

这些命令会加载YOLO11 模型，并使用该模型以特定的置信度跟踪给定视频源中的物体 (conf)和 联合路交叉口 (iou）阈值。有关详细信息，请参阅 轨道模式文件.

Ultralytics 中的训练追踪器即将推出哪些功能？

Ultralytics 正在不断增强其人工智能模型。即将推出的一项功能将使独立跟踪器的训练成为可能。在此之前，多目标检测器利用预先训练好的检测、分割或姿态模型进行跟踪，无需进行独立训练。请关注我们的博客或查看即将推出的功能，了解最新信息。

为什么要使用Ultralytics YOLO 进行多目标跟踪？

Ultralytics YOLO 是一种先进的物体检测模型，以其实时性和高精确度而著称。使用YOLO 进行多目标跟踪具有多个优势：

• 实时跟踪：实现高效高速跟踪，是动态环境的理想选择。
• 预训练模型的灵活性：无需从头开始训练；只需使用预训练的检测、分割或姿势模型即可。
• 易于使用：与Python 和CLI 的简单 API 集成使跟踪管道的设置简单明了。
• 广泛的文档和社区支持： Ultralytics 提供全面的文档和活跃的社区论坛，帮助您排除故障和改进跟踪模型。

有关设置和使用YOLO 进行跟踪的更多详情，请访问我们的跟踪使用指南。

可以使用Ultralytics YOLO 的自定义数据集进行多目标跟踪吗？

是的，您可以通过Ultralytics YOLO 将自定义数据集用于多目标跟踪。虽然即将推出支持独立跟踪器训练的功能，但您已经可以在自定义数据集上使用预训练模型。以与YOLO 兼容的适当格式准备数据集，并按照文档进行整合。

如何解释Ultralytics YOLO 追踪模型的结果？

使用Ultralytics YOLO 运行跟踪作业后，结果包括各种数据点，如跟踪对象 ID、其边界框和置信度分数。下面简要介绍如何解释这些结果：

• 跟踪 ID：每个对象都有一个唯一的 ID，有助于跨帧跟踪。
• 边界框：这些方框表示跟踪物体在画面中的位置。
• 信心分数：这些分数反映了模型检测到被跟踪物体的信心。

有关解释和可视化这些结果的详细指导，请参阅结果处理指南。

📅创建于 1 年前 ✏️已更新 2 个月前

评论