Deteção de objetos com um modelo Ultralytics YOLOv8 pré-treinado

Neste tutorial, vamos explorar os modelos Ultralytics YOLO e como usá-los para detecção de objetos.

Visão geral do modelo Ultralytics YOLOv8#

Vamos começar pelos recursos do modelo Ultralytics YOLOv8. Esse modelo representa um avanço significativo na área de detecção de objetos, oferecendo um ótimo equilíbrio entre velocidade e precisão. Em comparação com os modelos YOLO anteriores, o YOLOv8 proporciona inferência mais rápida sem comprometer a precisão da detecção.

Durante nossa análise, vamos comparar a velocidade e a precisão de inferência do Ultralytics YOLOv8 com outros modelos YOLO, mostrando suas vantagens para a detecção de objetos em tempo real. Com o YOLOv8, os usuários podem esperar uma melhoria significativa no desempenho em uma ampla variedade de aplicações.

Utilizar modelos Ultralytics YOLOv8 pré-treinados#

Um dos principais destaques do modelo Ultralytics YOLOv8 é a facilidade de uso, especialmente com modelos pré-treinados. Seja você um desenvolvedor experiente ou esteja começando sua jornada em visão computacional, aprendizado de máquina ou aprendizado profundo, é simples usar modelos YOLOv8 pré-treinados.

Com apenas duas linhas de código Python, você pode executar um modelo Ultralytics YOLOv8 pré-treinado para detecção de objetos. Isso facilita a integração de recursos de visão computacional aos seus projetos com o mínimo de esforço.

Documentação e argumentos do Ultralytics YOLOv8#

Também é útil conhecer os recursos disponíveis para o modelo Ultralytics YOLOv8. Nossos próximos tutoriais abordarão vários temas, incluindo detecção personalizada de objetos, rastreamento de objetos, estimativa de pose e segmentação, oferecendo orientações abrangentes para usuários de todos os níveis.

Fig. 1. Principais tarefas realizadas pelos modelos Ultralytics YOLO.

Além disso, vamos abordar os principais argumentos de predição para você aproveitar ao máximo o Ultralytics YOLOv8. Entender esses argumentos, como origem, limite de confiança e seleção de dispositivo, ajudará você a adaptar os modelos a requisitos específicos.

Deteção de objetos em tempo real com webcam#

O Ultralytics YOLOv8 também consegue executar detecção de objetos em tempo real usando uma webcam. No vídeo, o YOLOv8 detecta objetos em uma transmissão ao vivo de webcam a mais de 100 quadros por segundo.

Seja para monitorar uma rua movimentada ou rastrear objetos em um ambiente caótico, o Ultralytics YOLOv8 tem bom desempenho em cenários de tempo real. Com a capacidade de detectar uma ampla variedade de objetos com precisão e eficiência, o YOLOv8 abre novas possibilidades de aplicação em vários setores, incluindo saúde, agricultura e manufatura.

Encerramento#

Em conclusão, o YOLOv8 representa um avanço significativo na detecção de objetos. Na Ultralytics, estamos empenhados em oferecer aos desenvolvedores e pesquisadores ferramentas e recursos práticos para aprendizado de máquina e inteligência artificial. Desde então, o YOLOv8 foi sucedido pelo Ultralytics YOLO26, que você pode executar com a mesma API do Python.

Assista ao vídeo completo e fique de olho em mais tutoriais, guias e insights. Participe da nossa comunidade para compartilhar o que você cria com o Ultralytics YOLO!