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

Benvenuti a un altro articolo del blog in cui approfondiremo le capacità dei modelli YOLOv5 e YOLOv8 di Ultralytics in termini di object detection e segmentazione. Esploreremo come integrare questi modelli facili da usare nei tuoi progetti con poche righe di codice. Che tu sia un principiante o uno sviluppatore esperto, vedrai come Ultralytics supporta vari modelli e architetture, comprese diverse versioni di YOLO e modelli basati su transformer. 

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

Primi passi con i modelli Ultralytics

Ultralytics offre un framework completo che supporta diversi modelli di object detection e segmentazione. Tra questi, i popolari modelli YOLO, da YOLOv3 all'ultimo YOLOv8, nonché i modelli YOLO-NAS e SAM. Questi modelli sono progettati per gestire una varietà di task come detection in tempo reale, segmentazione e pose estimation.

Per iniziare, visita la pagina della documentazione di Ultralytics. Qui puoi trovare informazioni dettagliate su ciascun modello, incluse le caratteristiche principali, le architetture e come utilizzarli nei tuoi script Python.

Configurazione dell'ambiente

Innanzitutto, assicurati di aver installato Ultralytics. Puoi farlo eseguendo:

bash

Copia codice

Una volta completata l'installazione, puoi iniziare a utilizzare questi modelli nei tuoi progetti. Iniziamo con il modello YOLOv8 come esempio.

Caratteristiche principali di YOLOv8

YOLOv8 offre diversi miglioramenti rispetto ai suoi predecessori. È progettato per essere più veloce e preciso, il che lo rende perfetto per le applicazioni in tempo reale. Alcune caratteristiche principali 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 puoi iniziare con YOLOv8 in poche righe di codice:

Copia codice

Ecco fatto! Hai 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 su un feed webcam in diretta? Ecco come puoi farlo:

python

Copia codice

Questo script aprirà la tua webcam e applicherà il modello YOLOv8 per rilevare oggetti in tempo reale.

Esplorazione di altri modelli

Ultralytics non si ferma solo a YOLOv8. Supporta anche vari altri modelli come YOLOv5, YOLO-NAS e modelli basati su transformer per il rilevamento in tempo reale. Ogni modello ha i suoi punti di forza e 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 e alta precisione. Utilizza un backbone basato su conv e un efficiente encoder ibrido per la velocità in tempo reale, eccellendo su CUDA con TensorRT e supporta la regolazione flessibile della velocità di inferenza.

Ecco come puoi eseguire un modello RT-DETR:

Copia codice

Segment Anything Models

Ultralytics offre anche modelli per attività di segmentazione, come MobileSAM e FastSAM. Questi modelli sono progettati per segmentare tutto in un'immagine, fornendo informazioni dettagliate sulla scena.

Esecuzione di FastSAM

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

Copia codice

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

Prestazioni e confronti

Una delle grandi caratteristiche del framework Ultralytics è la possibilità di confrontare diversi modelli fianco a fianco. Puoi facilmente determinare quale modello funziona meglio per la tua specifica applicazione esaminando le metriche di performance come la velocità di inferenza e la precisione media (mAP).

Punti chiave

Ultralytics rende incredibilmente facile eseguire modelli di object detection e segmentazione con poche righe di codice. Che tu stia lavorando su applicazioni in tempo reale o abbia bisogno di modelli ad alta precisione, Ultralytics ha una soluzione per te. Assicurati di dare un'occhiata al tutorial completo di Nicolai Nielsen sul canale YouTube di Ultralytics per informazioni ed esempi più approfonditi.

Resta sintonizzato per ulteriori tutorial e aggiornamenti dalla community di Ultralytics!