17. April 2024
Entdecken Sie die benutzerdefinierte Objekterkennung mit Ultralytics YOLOv8! Lernen Sie, wie man mit einer Webcam trainiert, exportiert und Live-Inferenzen durchführt!
Werfen Sie mit uns einen genaueren Blick auf die benutzerdefinierte Objekterkennung mit Ultralytics YOLOv8. In diesem Blogpost werden wir den komplizierten Prozess des Trainings eines benutzerdefinierten Modells, des Exports der trainierten Gewichte und der Durchführung von Live-Inferenz auf einer Webcam untersuchen.
In unserem letzten Video haben wir uns mit dem Training eines YOLOv8 auf einem benutzerdefinierten Cups-Datensatz in Google Colab beschäftigt. Wir sahen, wie sich die Trainingskurve stetig verbesserte, wobei der Verlust abnahm und die mittlere Fehlerposition zunahm. Auf dieser Grundlage kann unser spezielles Modell nun fünf verschiedene Arten von Tassen sehr genau identifizieren.
Nachdem unser benutzerdefiniertes Modell trainiert und einsatzbereit ist, ist es an der Zeit, die nächste Grenze zu erkunden: den Export der trainierten Gewichte und die Durchführung von Live-Inferenz auf einer Webcam.
Modellinferenz ist der Prozess, bei dem ein trainiertes Computer Vision-Modell verwendet wird, um Vorhersagen zu treffen oder Entscheidungen auf der Grundlage neuer, unbekannter Daten zu treffen. Dabei verwendet das Modell Eingabedaten, wie z. B. ein Bild, und verarbeitet diese anhand seiner gelernten Parameter und Struktur. Das Modell erzeugt dann eine Ausgabe, wie z. B. Klassifizierung, Erkennung oder Segmentierung, basierend auf seiner Trainingsaufgabe.
In der Praxis beinhaltet die Inferenz oft den Einsatz des trainierten Modells in einer Produktionsumgebung, in der es zur Verarbeitung von realen Daten in Echtzeit- oder Batch-Verarbeitungsszenarien verwendet werden kann.
Mit den trainierten Modellgewichten, die wir von Colab heruntergeladen haben, können wir sie nahtlos in eine Python importieren und so das volle Potenzial unseres benutzerdefinierten Modells ausschöpfen.
Mit ein paar Zeilen Code können wir ein Python einrichten, um die Live-Inferenz auf einer Webcam laufen zu lassen, die Echtzeit-Aufnahmen macht und verschiedene Tassen mit beeindruckender Genauigkeit erkennt. Die Leistungsfähigkeit von YOLOv8 zeigt sich darin, dass unser Modell mühelos Tassen in verschiedenen Formen, Größen und Farben identifiziert und seine Vielseitigkeit und Zuverlässigkeit in realen Szenarien unter Beweis stellt.
Feinabstimmungsmodelle bieten mehrere Vorteile. Sie können detect, segmentoder classify Objekte erkennen, segmentieren oder klassifizieren, die von vorab trainierten Modellen nicht unterstützt werden. Darüber hinaus können sie Forschern oder Datenwissenschaftlern dabei helfen, zu verstehen, wie die Modellarchitektur in realen Datensätzen funktioniert.
Vom Training eines benutzerdefinierten Modells über den Export der trainierten Gewichte bis hin zur Live-Inferenz über eine Webcam haben wir die Leistungsfähigkeit und Vielseitigkeit von YOLOv8 aus erster Hand erfahren.
Begleiten Sie uns in unserem Bestreben, das volle Potenzial der benutzerdefinierten Objekterkennung mit Ultralytics YOLOv8 zu erschließen. Lassen Sie uns gemeinsam die Zukunft der KI gestalten, eine Erkennung nach der anderen. Besuchen Sie Ultralytics HUB und unsere Dokumente, um weitere Informationen über Ultralytics zu erhalten, und werden Sie Mitglied unserer Community, um über die neuesten Entwicklungen auf dem Laufenden zu bleiben!
Wenn Sie neugierig sind, wie man YOLOv8 exportiert und Inferenzen mit der Webcam durchführt, sehen Sie sich das vollständige Video hier an!
