Segmentazione con modelli Ultralytics YOLOv8 pre-addestrati in Python
Scopri la potenza di YOLOv8. Informati sulla sua velocità, precisione e capacità di rilevamento in tempo reale. Esplora i punti salienti e unisciti alle nostre Discussioni GitHub per saperne di più.

Diamo un'occhiata al mondo della segmentazione degli oggetti con il modello Ultralytics YOLOv8. In questo post del blog ti guideremo attraverso tutti i dettagli per configurare ed eseguire la segmentazione con facilità in Python.
Preparare il terreno per la segmentazione#
Iniziamo concentrandoci su Ultralytics YOLOv8. L'installazione di questo modello di grande potenza è un gioco da ragazzi e in pochi istanti sarai pronto a sfruttare le sue capacità di segmentazione.
La segmentazione delle istanze fa un passo avanti rispetto al rilevamento degli oggetti, individuando singoli oggetti all'interno di un'immagine e separandoli dallo sfondo.
Il suo output comprende maschere o contorni che delineano ogni oggetto, accompagnati da etichette di classe e punteggi di confidenza. Questa tecnica risulta inestimabile quando sono necessarie forme precise degli oggetti, fornendo non solo la posizione dell'oggetto ma anche informazioni dettagliate sulla sua forma.
Con pochi semplici comandi, sarai in grado di eseguire predizioni dalla riga di comando, toccando con mano l'innovazione e la semplicità che Ultralytics YOLOv8 mette in campo.
Segmentazione dal vivo: dare vita alle immagini#
Ma perché limitarsi alle immagini statiche quando possiamo sperimentare la segmentazione in tempo reale? Il nostro script Python è la tua porta d'accesso al mondo dinamico della segmentazione dal vivo.
Sfruttando la classe YOLO e integrandola senza problemi con OpenCV, puoi dare vita ai tuoi progetti, scoprendo intuizioni e pattern nascosti man mano che procedi.
Dall'identificazione di sedie alla delimitazione di piante, le possibilità sono infinite quanto la tua immaginazione.

Fig 1. Nicolai Nielsen che illustra i modelli preaddestrati di segmentazione COCO.
In Ultralytics forniamo anche supporto per i modelli preaddestrati di segmentazione COCO, che rappresentano un ottimo punto di partenza per qualsiasi caso d'uso. Puoi quindi effettuare il fine-tuning di questi modelli per le tue esigenze specifiche.
Nel complesso, offriamo supporto per vari dataset, come carparts instance segmentation, crack segmentation e industrial package segmentation. L'addestramento dei modelli di segmentazione su questi dataset è reso semplice con un singolo comando disponibile nella nostra documentazione:
Resta sintonizzato#
Unisciti a noi nei prossimi video mentre approfondiamo il mondo di Ultralytics YOLOv8, esplorando l'addestramento personalizzato e l'inferenza sui tuoi dataset.
Ci impegniamo a semplificare le complessità dell'IA e del machine learning, un segmento alla volta. La nostra missione è consentire a singoli e organizzazioni di sfruttare appieno il potenziale di tecnologie all'avanguardia come Ultralytics YOLOv8. Con la nostra guida e la tua curiosità, non c'è limite ai traguardi incredibili che ti attendono.
Unisciti a noi mentre sblocchiamo tutto il potenziale di Ultralytics YOLOv8. Guarda il video completo Guarda il video completo!






