Rilevamento degli oggetti con un modello Ultralytics YOLOv8 preaddestrato

In questo tutorial esploreremo i modelli Ultralytics YOLO e vedremo come usarli per il rilevamento degli oggetti.

Panoramica del modello Ultralytics YOLOv8#

Cominciamo dalle funzionalità del modello Ultralytics YOLOv8. Questo modello rappresenta un notevole progresso nel campo del rilevamento degli oggetti e offre un ottimo equilibrio tra velocità e precisione. Rispetto ai modelli YOLO precedenti, YOLOv8 garantisce un’inferenza più rapida senza compromettere la precisione del rilevamento.

Nel corso della nostra analisi, confronteremo la velocità di inferenza e la precisione di Ultralytics YOLOv8 con quelle di altri modelli YOLO, mostrando i vantaggi che offre nel rilevamento degli oggetti in tempo reale. Con YOLOv8, gli utenti possono aspettarsi un notevole miglioramento delle prestazioni in un’ampia gamma di applicazioni.

Uso dei modelli Ultralytics YOLOv8 preaddestrati#

Uno dei principali punti di forza del modello Ultralytics YOLOv8 è la facilità d’uso, soprattutto con i modelli preaddestrati. Che tu sia uno sviluppatore esperto o abbia appena iniziato a lavorare con la computer vision, il machine learning o il deep learning, usare i modelli YOLOv8 preaddestrati è semplice.

Bastano due righe di codice Python per eseguire un modello Ultralytics YOLOv8 preaddestrato per il rilevamento degli oggetti. In questo modo puoi integrare facilmente le funzionalità di computer vision nei tuoi progetti con il minimo sforzo.

Documentazione e argomenti di Ultralytics YOLOv8#

È utile conoscere anche le risorse disponibili per il modello Ultralytics YOLOv8. I nostri prossimi tutorial tratteranno diversi argomenti, tra cui il rilevamento personalizzato degli oggetti, il tracciamento degli oggetti, la stima della posa e la segmentazione, offrendo indicazioni complete a utenti di ogni livello.

Fig. 1. Principali attività eseguite dai modelli Ultralytics YOLO.

Inoltre, illustreremo i principali argomenti di previsione per sfruttare al meglio Ultralytics YOLOv8. Capire questi argomenti, come la sorgente, la soglia di confidenza e la selezione del dispositivo, ti aiuterà ad adattare i modelli a requisiti specifici.

Rilevamento degli oggetti in tempo reale con la webcam#

Ultralytics YOLOv8 può anche eseguire il rilevamento degli oggetti in tempo reale tramite una webcam. Nel video, YOLOv8 rileva gli oggetti in un flusso webcam dal vivo a oltre 100 fotogrammi al secondo.

Che tu stia monitorando una strada trafficata o tracciando oggetti in un ambiente caotico, Ultralytics YOLOv8 offre ottime prestazioni in tempo reale. Grazie alla capacità di rilevare con precisione ed efficienza un’ampia gamma di oggetti, YOLOv8 apre nuove possibilità applicative in diversi settori, tra cui l’assistenza sanitaria, l’agricoltura e la produzione industriale.

In conclusione#

In conclusione, YOLOv8 rappresenta un significativo passo avanti nel rilevamento degli oggetti. In Ultralytics ci impegniamo a fornire a sviluppatori e ricercatori strumenti e risorse pratici per l'apprendimento automatico e l'intelligenza artificiale. YOLOv8 è stato poi sostituito da Ultralytics YOLO26, che puoi eseguire con la stessa API Python.

Guarda il video completo e resta aggiornato sui prossimi tutorial, guide e approfondimenti. Unisciti alla nostra community per condividere ciò che realizzi con Ultralytics YOLO!