Segmentation avec des modèles YOLOv8 pré-entraînés d'Ultralytics en Python

Nuvola Ladi

2 min lire

2 avril 2024

Découvrez la puissance de YOLOv8. Découvrez sa vitesse, sa précision et ses capacités de détection en temps réel. Explorez les points forts et rejoignez nos discussions GitHub pour en savoir plus.

Jetons un coup d'œil au monde de la segmentation d'objets avec le modèle YOLOv8 d'Ultralytics. Dans ce billet de blog, nous vous guiderons à travers les tenants et les aboutissants de la mise en place et de l'exécution de la segmentation en toute simplicité en Python.

Préparer le terrain pour la segmentation

Commençons par YOLOv8. L'installation de ce modèle puissant est un jeu d'enfant, et en quelques instants, vous serez prêt à exploiter ses capacités de segmentation

La segmentation des instances va plus loin que la détection d'objets en identifiant les objets individuels dans une image et en les séparant de l'arrière-plan. 

Le résultat comprend des masques ou des contours délimitant chaque objet, accompagnés d'étiquettes de classe et de scores de confiance. Cette technique s'avère inestimable lorsque des formes précises d'objets sont essentielles, car elle permet non seulement de localiser les objets, mais aussi d'obtenir des informations détaillées sur leur forme.

Avec quelques commandes simples, vous serez en mesure d'exécuter des prédictions à partir de la ligne de commande, ce qui vous permettra de constater par vous-même l'innovation et la simplicité de YOLOv8.

Segmentation en direct : Donner vie aux images

Mais pourquoi se limiter à des images statiques si l'on peut expérimenter la segmentation en temps réel ? Notre script Python est votre porte d'entrée dans le monde dynamique de la segmentation en direct. 

En tirant parti de la classe YOLO et en l 'intégrant de manière transparente à OpenCV, vous pouvez donner vie à vos projets, en découvrant des informations et des modèles cachés au fur et à mesure que vous avancez. 

De l'identification des chaises à la délimitation des plantes, les possibilités sont aussi infinies que votre imagination.

__wf_reserved_inherit
Fig. 1. Nicolai Nielsen présente les modèles pré-entraînés de segmentation COCO.

Chez Ultralytics, nous fournissons également un support pour les modèles pré-entraînés de segmentation COCO, qui constituent un excellent point de départ pour n'importe quel cas d'utilisation. Vous pouvez ensuite affiner ces modèles en fonction de vos besoins spécifiques.

Dans l'ensemble, nous offrons un support pour différents jeux de données, tels que la segmentation d'instances de pièces de voiture, la segmentation de fissures et la segmentation d'emballages industriels. L'entraînement des modèles de segmentation sur ces ensembles de données est simplifié par une seule commande disponible dans notre documentation :

Restez à l'écoute

Rejoignez-nous dans les prochaines vidéos pour plonger plus profondément dans le domaine de YOLOv8, en explorant la formation personnalisée et l'inférence sur vos propres ensembles de données. 

Nous nous engageons à simplifier les complexités de l'IA et de l'apprentissage automatique, un segment à la fois. Notre mission est de permettre aux individus et aux organisations d'exploiter le plein potentiel des technologies de pointe telles que YOLOv8. Grâce à nos conseils et à votre curiosité, il est impossible de savoir quelles percées incroyables nous attendent.

Rejoignez-nous pour découvrir le plein potentiel d'Ultralytics YOLOv8. Regardez la vidéo complète ici

Construisons ensemble le futur
de l'IA !

Commencez votre voyage avec l'avenir de l'apprentissage automatique

Commencer gratuitement
Lien copié dans le presse-papiers