跳转至内容

使用 Ultralytics YOLO26 进行对象裁剪

什么是对象裁剪？

使用Ultralytics YOLO26进行对象裁剪涉及从图像或视频中隔离并提取特定的 detect 对象。YOLO26 模型的能力被用于准确识别和描绘对象，从而实现精确裁剪，以便进行进一步分析或操作。



观看： 使用 Ultralytics YOLO 进行目标裁剪

对象裁剪的优势

  • 聚焦分析: YOLO26 促进了有针对性的对象裁剪，从而可以对场景中的单个项目进行深入检查或处理。
  • 减少数据量：通过仅提取相关目标，目标裁剪有助于最大限度地减少数据大小，从而提高存储、传输或后续计算任务的效率。
  • 提高精度: YOLO26 的对象 detect精度确保裁剪后的对象保持其空间关系，从而保留视觉信息的完整性以进行详细分析。

视觉效果

机场行李
使用 Ultralytics YOLO26 在机场传送带上裁剪行李箱
使用 Ultralytics YOLO26 在机场传送带上裁剪行李箱

使用 Ultralytics YOLO 进行目标裁剪

# 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
cropper = solutions.ObjectCropper(
    show=True,  # display the output
    model="yolo26n.pt",  # model for object cropping, e.g., yolo26x.pt.
    classes=[0, 2],  # crop specific classes such as person and car with the 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

当您提供可选的 crop_dir 参数，每个裁剪的对象都会写入该文件夹，文件名包含源图像名称和类别。这使得检查检测结果或构建下游数据集变得容易，无需编写额外代码。

ObjectCropper 参数

这是一个包含以下内容的表格 ObjectCropper 参数：

参数类型默认值描述
modelstrNoneUltralytics YOLO 模型文件的路径。
crop_dirstr'cropped-detections'用于存储裁剪检测结果的目录名。

此外，以下可视化参数可供使用：

参数类型默认值描述
showboolFalse可视化参数： True，则在窗口中显示带注释的图像或视频。这对于开发或测试期间的即时视觉反馈非常有用。
line_widthint or NoneNone指定边界框的线条宽度。 如果 None，则线条宽度会根据图像大小自动调整。 提供视觉自定义以提高清晰度。

常见问题

Ultralytics YOLO26 中的对象裁剪是什么，它是如何工作的？

使用Ultralytics YOLO26进行对象裁剪涉及根据 YOLO26 的 detect 能力，从图像或视频中隔离并提取特定对象。此过程通过利用 YOLO26 高精度识别对象并进行相应裁剪，从而实现聚焦分析、减少数据量和提高精度。有关深入教程，请参阅对象裁剪示例。

为什么我应该选择 Ultralytics YOLO26 进行对象裁剪而非其他解决方案？

Ultralytics YOLO26 因其精度、速度和易用性而脱颖而出。它支持详细而准确的对象 detect 和裁剪，这对于聚焦分析以及需要高数据完整性的应用至关重要。此外，YOLO26 可与 OpenVINO 和 TensorRT 等工具无缝集成，适用于需要实时能力和在各种硬件上进行优化的部署。在模型导出指南中探索其优势。

如何使用目标裁剪来减少数据集的数据量？

通过使用 Ultralytics YOLO26 仅裁剪图像或视频中的相关对象，您可以显著减小数据大小，从而提高存储和处理效率。此过程涉及训练模型以 detect 特定对象，然后利用结果仅裁剪并保存这些部分。有关利用 Ultralytics YOLO26 功能的更多信息，请访问我们的快速入门指南。

我可以使用 Ultralytics YOLO26 进行实时视频分析和对象裁剪吗？

是的，Ultralytics YOLO26 可以处理实时视频流，动态 detect 和裁剪对象。该模型的高速推理能力使其成为实时应用的理想选择，例如监控、体育分析和自动化检测系统。查阅track和预测模式，了解如何实现实时处理。

高效运行 YOLO26 进行对象裁剪的硬件要求是什么？

Ultralytics YOLO26 针对 CPU 和 GPU 环境进行了优化，但为了获得最佳性能，尤其是在实时或高吞吐量推理场景中，建议使用专用 GPU（例如 NVIDIA Tesla、RTX 系列）。对于轻量级设备的部署，请考虑将 CoreML 用于 iOS 或将 TFLite 用于 Android。有关支持的设备和格式的更多详细信息，请参阅我们的模型部署选项。



📅 创建于 2 年前 ✏️ 更新于 7 天前
glenn-jocherRizwanMunawarMatthewNoyceRizwanMunawarUltralyticsAssistantIvorZhu331AyushExel

评论