Pythonで事前に訓練されたUltralytics YOLOv8モデルによるセグメンテーション

ヌヴォラ・ラディ

2 min read

2024年4月2日

YOLOv8のパワーをご覧ください。YOLOv8のスピード、精度、リアルタイムの検出能力についてご覧ください。主なハイライトをご覧いただき、GitHubのディスカッションにご参加ください。

UltralyticsのYOLOv8モデルを使ったオブジェクトセグメンテーションの世界を見てみましょう。このブログポストでは、Pythonで簡単にセグメンテーションをセットアップし、実行するための内部と外部をガイドします。

セグメンテーションの舞台設定

まずはYOLOv8に注目してみよう。この強力なモデルのインストールは簡単で、すぐにセグメンテーション機能を利用できるようになります。 

インスタンス・セグメンテーションは、画像内の個々のオブジェクトをピンポイントで検出し、背景から分離することで、オブジェクト検出からさらに一歩進んだ処理を行う。 

その出力は、各オブジェクトの輪郭を示すマスクまたは輪郭で構成され、クラスラベルと信頼度スコアが添えられている。この技術は、物体の正確な形状が不可欠な場合に非常に有用であり、物体の位置だけでなく、その形状に関する詳細な情報を提供する。

いくつかの簡単なコマンドを使えば、コマンドラインから予想を実行することができ、YOLOv8がもたらす革新性とシンプルさを目の当たりにすることができる。

ライブ・セグメンテーション画像に命を吹き込む

しかし、セグメンテーションをリアルタイムで体験できるのに、なぜ静止画像に限定するのだろうか?私たちのPythonスクリプトは、ライブセグメンテーションのダイナミックな世界への入り口です。 

YOLOクラスを活用し、OpenCVとシームレスに統合することで、プロジェクトに生命を吹き込み、隠れた洞察やパターンを発見しながら進めることができます。 

椅子の識別から植物の区別まで、あなたの想像力次第で可能性は無限に広がる。

__wf_reserved_inherit
図1.COCOセグメンテーションの事前学習済みモデルの概要を説明するニコライ・ニールセン

Ultralyticsでは、COCOセグメンテーションの事前学習済みモデルのサポートも提供しています。これらのモデルは、お客様の特定のニーズに合わせて微調整することができます。

全体として、カーパーツインスタンスセグメンテーションインスタンスセグメンテーション、クラックセグメンテーション 工業用パッケージセグメンテーションなど、さまざまなデータセットをサポートしている。これらのデータセットに対するセグメンテーションモデルの学習は、 ドキュメントにある単一のコマンドで簡単に行える:

注目

YOLOv8の世界をより深く掘り下げ、あなた自身のデータセットでのカスタムトレーニングと推論を探求していきます。 

私たちは、AIと機械学習の複雑さをシンプルにすることに取り組んでいます。私たちの使命は、YOLOv8のような最先端技術の可能性を最大限に活用できるよう、個人と組織を支援することです。私たちの指導と皆様の好奇心があれば、どんな素晴らしいブレークスルーが待っているかわかりません。

ULTRALYTICS YOLOv8の可能性を最大限に引き出します。ビデオ全編はこちらから! 

AIの未来
を一緒に作りましょう!

機械学習の未来への旅を始めよう

無料で始める
クリップボードにコピーされたリンク