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 blog post ti guideremo attraverso le basi per configurare ed eseguire la segmentazione con facilità in Python.
Link to this sectionPreparare il terreno per la segmentazione#
Iniziamo concentrandoci su YOLOv8. Installare questo potente modello 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 previsioni dalla riga di comando, testimoniando in prima persona l'innovazione e la semplicità che YOLOv8 porta in campo.
Link to this sectionSegmentazione 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 perfettamente con OpenCV, puoi dare vita ai tuoi progetti, scoprendo intuizioni e schemi 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 delinea i modelli pre-addestrati di segmentazione COCO.
In Ultralytics, forniamo anche supporto per i modelli pre-addestrati di segmentazione COCO, che fungono da ottimo punto di partenza per qualsiasi caso d'uso. Puoi quindi perfezionare questi modelli per le tue esigenze specifiche.
Nel complesso, offriamo supporto per vari dataset, come carparts instance segmentation, crack segmentation e industrial package segmentation. Addestrare modelli di segmentazione su questi dataset è reso semplice con un singolo comando disponibile nella nostra documentazione:
Link to this sectionResta sintonizzato#
Unisciti a noi nei prossimi video mentre approfondiamo il regno di 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 dare a individui e organizzazioni la possibilità di sfruttare appieno il potenziale di tecnologie all'avanguardia come YOLOv8. Con la nostra guida e la tua curiosità, non si sa quali incredibili scoperte ti attendano.
Unisciti a noi per sbloccare il pieno potenziale di Ultralytics YOLOv8. Guarda il video completo Watch the full video!
