使用对象裁剪Ultralytics YOLO11

Q: What is object cropping in Ultralytics YOLO11 and how does it work?

使用Ultralytics YOLO11 进行对象裁剪是指根据YOLO11 的检测功能，从图像或视频中分离并提取特定对象。此过程可利用YOLO11 高精度识别对象并进行相应裁剪，从而实现集中分析、减少数据量并提高精度。有关深入教程，请参阅对象裁剪示例。

Q: Why should I use Ultralytics YOLO11 for object cropping over other solutions?

Ultralytics YOLO11 因其精度高、速度快、使用方便而脱颖而出。它可以进行详细、准确的对象检测和裁剪，这对于需要高数据完整性的重点分析和应用来说至关重要。此外，YOLO11 还能与OpenVINO 和TensorRT 等工具无缝集成，满足在不同硬件上部署实时功能和优化的要求。在模型导出指南中了解更多优势。

什么是对象裁剪？

对象裁剪 Ultralytics YOLO11对象裁剪是指从图像或视频中分离并提取特定的检测对象。YOLO11 模型功能可用于准确识别和划分物体，从而实现精确裁剪，以便进一步分析或处理。

观看： 使用对象裁剪Ultralytics YOLO

对象裁剪的优势

重点分析：YOLO11 方便对目标对象进行裁剪，可对场景中的单个项目进行深入检查或处理。
减少数据量：通过只提取相关对象，对象裁剪有助于最大限度地减少数据量，从而提高数据存储、传输或后续计算任务的效率。
更高的精度：YOLO11 的物体检测精度可确保裁剪后的物体保持空间关系，为详细分析保留完整的视觉信息。

视觉效果

机场行李

使用机场传送带裁剪行李箱Ultralytics YOLO11

使用对象裁剪Ultralytics YOLO

CLIPython

# Crop the objects
yolo solutions crop show=True

# Pass a source video
yolo solutions crop source="path/to/video.mp4"

# Crop specific classes
yolo solutions crop classes="[0, 2]"

import cv2

from ultralytics import solutions

cap = cv2.VideoCapture("path/to/video.mp4")
assert cap.isOpened(), "Error reading video file"

# Initialize object cropper object
cropper = solutions.ObjectCropper(
    show=True,  # display the output
    model="yolo11n.pt",  # model for object cropping i.e yolo11x.pt.
    classes=[0, 2],  # crop specific classes i.e. person and car with COCO pretrained model.
    # conf=0.5,  # adjust confidence threshold for the objects.
    # crop_dir="cropped-detections",  # set the directory name for cropped detections
)

# Process video
while cap.isOpened():
    success, im0 = cap.read()

    if not success:
        print("Video frame is empty or processing is complete.")
        break

    results = cropper(im0)

    # print(results)  # access the output

cap.release()
cv2.destroyAllWindows()  # destroy all opened windows

`ObjectCropper` 论据

下面的表格显示了 ObjectCropper 争论：

论据	类型	默认值	说明
`model`	`str`	`None`	Ultralytics YOLO 模型文件的路径。
`crop_dir`	`str`	`"cropped-detections"`	用于存储裁剪检测数据的目录名称。

此外，还可使用以下可视化参数：

论据	类型	默认值	说明
`show`	`bool`	`False`	如果 `True`在一个窗口中显示注释的图像或视频。有助于在开发或测试过程中提供即时视觉反馈。
`line_width`	`None or int`	`None`	指定边界框的线宽。如果 `None`根据图像大小自动调整线宽。提供可视化定制，使图像更加清晰。

常见问题

Ultralytics YOLO11 中的对象裁剪是什么，如何操作？

物体裁剪 Ultralytics YOLO11物体裁剪是指根据YOLO11 的检测功能，从图像或视频中分离并提取特定物体。此过程可利用YOLO11 高精度识别对象并进行相应裁剪，从而实现集中分析、减少数据量并提高精度。有关深入教程，请参阅对象裁剪示例。

为什么要使用Ultralytics YOLO11 而不是其他解决方案进行对象裁剪？

Ultralytics YOLO11 以其精度、速度和易用性脱颖而出。它可以进行详细而准确的对象检测和裁剪，这对于需要高度数据完整性的重点分析和应用来说至关重要。此外，YOLO11 还能与以下工具无缝集成 OpenVINO和 TensorRT等工具进行无缝集成，以满足在不同硬件上部署实时功能和优化的要求。在模型导出指南中了解更多优势。

如何使用对象裁剪减少数据集的数据量？

通过使用Ultralytics YOLO11 只裁剪图像或视频中的相关对象，可以大大缩小数据大小，提高存储和处理效率。这一过程包括训练模型来检测特定对象，然后利用检测结果只裁剪和保存这些部分。有关利用Ultralytics YOLO11 功能的更多信息，请访问我们的快速入门指南。

能否使用Ultralytics YOLO11 进行实时视频分析和对象裁剪？

是的，Ultralytics YOLO11 可以处理实时视频馈送，动态检测和裁剪物体。该模型的高速推理能力使其成为监控、体育分析和自动检测系统等实时应用的理想选择。查看跟踪和预测模式，了解如何实现实时处理。

有效运行YOLO11 进行对象裁剪的硬件要求是什么？

Ultralytics YOLO11 已针对CPU 和GPU 环境进行了优化，但要获得最佳性能，尤其是实时或大容量推理，建议使用专用GPU （如NVIDIA 特斯拉、RTX 系列）。如果要在轻量级设备上部署，可考虑使用 CoreML或TFLiteforAndroid。有关支持的设备和格式的更多详情，请参阅我们的模型部署选项。

📅创建于 1 年前 ✏️已更新 5 天前