X
Ultralytics YOLOv8.2 LibérationUltralytics YOLOv8.2 LibérationUltralytics YOLOv8.2 Flèche de déverrouillage
Contrôle vert
Lien copié dans le presse-papiers

Segmentation avec des modèles pré-entraînés Ultralytics YOLOv8 en Python

Découvre la puissance de YOLOv8. Découvre sa vitesse, sa précision et ses capacités de détection en temps réel. Explore les principaux points forts et rejoins nos discussions GitHub pour en savoir plus.

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

Préparer le terrain pour la segmentation

Commençons par nous concentrer sur YOLOv8. L'installation de ce modèle puissant est un jeu d'enfant, et en quelques instants, tu seras prêt à exploiter ses capacités de segmentation

La segmentation des instances te permet d'aller plus loin que la détection des objets en repérant 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 d'objets précises 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, tu pourras exécuter des prédictions à partir de la ligne de commande, ce qui te permettra de constater par toi-même l'innovation et la simplicité de YOLOv8 .

Segmentation en direct : Donner vie aux images

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

En tirant parti de la classe YOLO et en l'intégrant de façon transparente à OpenCV, tu peux donner vie à tes projets, en découvrant des informations et des modèles cachés au fur et à mesure. 

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

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

Sur Ultralytics, nous fournissons également une assistance pour les modèles pré-entraînés de segmentation COCO, qui constituent un excellent point de départ pour n'importe quel cas d'utilisation. Tu peux ensuite affiner ces modèles en fonction de tes besoins spécifiques.

Dans l'ensemble, nous proposons une prise en charge de divers ensembles de données, tels que la segmentation d'instance de carparts, 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 :

Reste à l'écoute

Rejoins-nous dans les prochaines vidéos pour plonger plus profondément dans le royaume de YOLOv8, en explorant la formation personnalisée et l'inférence sur tes 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 donner aux individus comme aux organisations les moyens d'exploiter tout le potentiel des technologies de pointe comme YOLOv8. Avec nos conseils et ta curiosité, rien ne dit que d'incroyables percées nous attendent.

Rejoins-nous pour découvrir tout le potentiel de Ultralytics YOLOv8 . Regarde la vidéo complète ici

Logo FacebookLogo de TwitterLogo LinkedInSymbole du lien de copie

Lire la suite dans cette catégorie

Construisons ensemble le futur
de l'IA !

Commence ton voyage avec le futur de l'apprentissage automatique.