Extraindo saídas do Ultralytics YOLOv8

No campo em constante mudança da visão computacional, o Ultralytics YOLOv8 destaca-se como um modelo de alto nível para tarefas como detection, segmentation e tracking. Quer sejas um programador experiente ou um principiante em inteligência artificial (IA), compreender como extrair eficazmente as saídas do YOLOv8 pode melhorar significativamente os teus projetos. Esta publicação no blog aprofunda os passos práticos para extrair e utilizar os resultados do modelo YOLOv8.

Configurando o Ultralytics YOLOv8#

Antes de mergulhar na extração de resultados, é fundamental ter o teu modelo Ultralytics YOLOv8 instalado e a funcionar. Se és novo nisto, podes ver os nossos vídeos anteriores onde abordamos as bases de como configurar e usar modelos YOLO para várias tarefas de visão computacional. Para começar com a extração de resultados, certifica-te de que o teu modelo está configurado corretamente:

1. Inicialização do Modelo: Inicializa o modelo Ultralytics YOLOv8 de forma adequada, garantindo que escolhes a configuração de modelo certa que se adequa às tuas necessidades específicas, seja deteção de objetos ou tarefas mais complexas como estimativa de pose.
2. Execução da inferência: Introduz os teus dados através do modelo para realizar a inferência. Este processo irá gerar um objeto de resultados, que é a tua chave para aceder a todos os dados de detecção.

Compreendendo o objeto de resultados#

O objeto de resultados no Ultralytics YOLOv8 é uma mina de ouro de informação. Ele contém todos os dados de deteção de que precisas para avançar com o teu projeto, incluindo:

• Caixas Delimitadoras: Usa results.boxes para aceder às coordenadas dos objetos detetados.
• Máscaras e Pontos-Chave: Acede a máscaras de segmentação e pontos-chave para estimativa de pose utilizando results.masks e results.keypoints respetivamente.
• Probabilidades de Classes: results.probs fornece a probabilidade de cada classe detetada, útil para filtrar deteções com base em pontuações de confiança.

Extraindo dados para uso personalizado#

Para usar estes resultados nas tuas aplicações, segue estes passos:

1. Converter dados para processamento: Se estiveres a executar o teu modelo num GPU, converte os resultados para o formato CPU usando .cpu() para manipulação posterior.
2. Acedendo às coordenadas da BBox: Recupera e manipula as coordenadas da caixa delimitadora diretamente a partir do objeto de resultados. Isto inclui aceder a coordenadas normalizadas ou atributos específicos como largura e altura.
3. Lidando com classificações: Extrai as principais classificações para utilizar IDs de classe e pontuações de confiança de forma eficaz.

Aplicação prática em código#

Passando da teoria para a prática, Nicolai Nielsen demonstra como implementar estes conceitos dentro de um script Python personalizado usando o Visual Studio Code. O script envolve:

• Configurar uma Classe de Deteção: Inicializa e configura o teu modelo Ultralytics YOLOv8 dentro de uma estrutura de classe, preparando-o para a entrada de dados em tempo real.
• Extraindo resultados: Executa a detecção e extrai caixas delimitadoras, máscaras e classificações diretamente a partir do objeto de resultados.
• Utilizando os resultados: Converte os resultados em formatos utilizáveis como JSON ou CSV, ou usa-os diretamente para desenhar caixas delimitadoras em imagens ou fluxos de vídeo.

Visualização e além#

Embora a extração de dados brutos seja crucial, visualizar estas detecções pode fornecer insights imediatos sobre o desempenho do modelo:

• Desenhando retângulos: Usa dados de caixa delimitadora para desenhar retângulos à volta de objetos detetados em resultados de imagem ou vídeo.
• Plotagem Direta: Utiliza as funções de plotagem integradas do Ultralytics YOLOv8 para visualizar diretamente as deteções sem código adicional.

A expandir o teu kit de ferramentas de IA com o Ultralytics YOLOv8#

Dominar a extração de saídas do Ultralytics YOLOv8 não só aumenta as capacidades do teu projeto, como também aprofunda a tua compreensão dos sistemas de deteção de objetos.

Ao seguires os passos, podes aproveitar todo o poder do Ultralytics YOLOv8 para adaptar as deteções às tuas necessidades específicas, seja no desenvolvimento de aplicações avançadas impulsionadas por IA ou na realização de análises de dados robustas.

Fica atento a mais tutoriais que te ajudarão a aproveitar o Ultralytics YOLOv8 e outras tecnologias de IA ao seu máximo potencial. Transforma o teu conhecimento teórico em habilidades práticas e dá vida aos teus projetos de visão computacional com precisão e eficiência. Junta-te à nossa comunidade para te manteres a par de todos os desenvolvimentos mais recentes e consulta a nossa documentação para saber mais!

Vê o vídeo completo Watch the full video!