Esecuzione dei modelli di rilevamento e segmentazione degli oggetti Ultralytics in poche righe di codice

Benvenuti in un altro blogpost in cui approfondiremo le funzionalità di YOLOv5 e YOLOv8 diUltralytics. YOLOv8 di Ultralytics per quanto riguarda il rilevamento e la segmentazione degli oggetti . Esploreremo come integrare questi modelli facili da usare nei vostri progetti con poche righe di codice. Sia che siate principianti o sviluppatori esperti, vedrete come Ultralytics supporta vari modelli e architetture, tra cui diverse versioni di YOLO e modelli basati su trasformatori. 

Nel suo video Nicolai Nielsen ci guida attraverso il processo di impostazione e utilizzo di vari modelli all'interno del framework Ultralytics . Vediamo passo dopo passo come iniziare a utilizzare questi incredibili strumenti.

Come iniziare con i modelli Ultralytics

Ultralytics offre un framework completo che supporta diversi modelli di rilevamento e segmentazione degli oggetti. Questi includono i popolari modelli YOLO , da YOLOv3 al più recente YOLOv8, nonché i modelli YOLO e SAM . Questi modelli sono progettati per gestire una serie di attività come il rilevamento in tempo reale, la segmentazione e la stima della posa.

Per iniziare, visitate la pagina della documentazione di Ultralytics . Qui si possono trovare informazioni dettagliate su ciascun modello, comprese le caratteristiche principali, le architetture e le modalità di utilizzo nei propri script Python .

Configurazione dell'ambiente

Innanzitutto, assicuratevi di aver installato Ultralytics . Per farlo, eseguite:

bash

Copia codice

Una volta fatto questo, si può iniziare a usare questi modelli nei propri progetti. Cominciamo con il modello YOLOv8 come esempio.

Caratteristiche principali di YOLOv8

YOLOv8 presenta numerosi miglioramenti rispetto ai suoi predecessori. È stato progettato per essere più veloce e preciso, rendendolo perfetto per le applicazioni in tempo reale. Alcune caratteristiche chiave includono: 

• Velocità e precisione migliorate
• Pesi pre-addestrati per molteplici task
• Supporto per object detection, segmentazione e classificazione
• Architettura del modello migliorata per prestazioni superiori

Esecuzione di YOLOv8 in Python

Ecco come iniziare a utilizzare YOLOv8 con poche righe di codice:

Copia codice

Ecco fatto! Avete appena eseguito un modello YOLOv8 su un'immagine. Questa semplicità è ciò che rende i modelli Ultralytics così potenti e facili da usare.

Rilevamento webcam in diretta

Vuoi vedere YOLOv8 in azione con una webcam in diretta? Ecco come fare:

python

Copia codice

Questo script apre la webcam e applica il modello YOLOv8 per detect oggetti in tempo reale.

Esplorazione di altri modelli

Ultralytics non si ferma solo a YOLOv8. Supporta anche altri modelli come YOLOv5, YOLO e modelli basati su trasformatori per il rilevamento in tempo reale. Ogni modello ha i suoi punti di forza e i suoi casi d'uso.

Modelli Transformer e come eseguirli

Il modello RT-DETR , sviluppato da Baidu e supportato da Ultralytics, è un rilevatore di oggetti end-to-end all'avanguardia che offre prestazioni in tempo reale ed elevata precisione. Utilizza una struttura portante basata su conv e un efficiente codificatore ibrido per ottenere velocità in tempo reale, eccellendo su CUDA con TensorRT, e supporta una regolazione flessibile della velocità di inferenza.

Ecco come si può eseguire un modello RT-DETR :

Copia codice

Segment Anything Models

Ultralytics offre anche modelli per la segmentazione, come MobileSAM e FastSAM. Questi modelli sono progettati per segment tutto ciò che è presente in un'immagine, fornendo informazioni dettagliate sulla scena.

Esecuzione di FastSAM

FastSAM è ottimizzato per la segmentazione in tempo reale, ed ecco come eseguirlo:

Copia codice

Questo modello è perfetto per applicazioni che richiedono una segmentazione rapida e accurata.

Prestazioni e confronti

Una delle caratteristiche principali del framework Ultralytics è la possibilità di confrontare diversi modelli tra loro. È possibile determinare facilmente quale modello funziona meglio per la propria applicazione specifica osservando le metriche di prestazione come la velocità di inferenza e la precisione mediamAP).

Punti chiave

Ultralytics rende incredibilmente facile l'esecuzione di modelli di rilevamento e segmentazione degli oggetti con poche righe di codice. Se state lavorando su applicazioni in tempo reale o avete bisogno di modelli ad alta precisione, Ultralytics ha la soluzione che fa per voi. Per informazioni ed esempi più approfonditi, consultate il tutorial completo di Nicolai Nielsen sul canale YouTube di Ultralytics .

Restate sintonizzati per ulteriori tutorial e aggiornamenti dallacomunità di Ultralytics !