Executar modelos de deteção e segmentação de objectos Ultralytics em poucas linhas de código

Bem-vindo a mais um post do blogue em que vamos Ultralytics as capacidades do YOLOv5 e do YOLOv8 da Ultralytics no que diz respeito à deteção e segmentação de objectos . Iremos explorar como integrar estes modelos fáceis de utilizar nos seus projectos com apenas algumas linhas de código. Quer seja um principiante ou um programador experiente, verá como Ultralytics suporta vários modelos e arquitecturas, incluindo diferentes versões YOLO e modelos baseados em transformadores. 

No seu vídeo, Nicolai Nielsen mostra-nos o processo de configuração e utilização de vários modelos no âmbito da estrutura Ultralytics . Vamos explicar passo a passo e ver como pode começar a utilizar estas ferramentas incríveis.

Introdução aos modelos Ultralytics

Ultralytics oferece uma estrutura abrangente que suporta vários modelos de deteção e segmentação de objectos. Isto inclui os populares modelos YOLO , desde o YOLOv3 até ao mais recente YOLOv8, bem como os modelos YOLO e SAM . Estes modelos foram concebidos para lidar com uma variedade de tarefas, como a deteção em tempo real, a segmentação e a estimativa de pose.

Para começar, visite a página de documentaçãoUltralytics . Aqui, pode encontrar informações detalhadas sobre cada modelo, incluindo as suas principais caraterísticas, arquitecturas e como utilizá-las nos seus scripts Python .

Configurando Seu Ambiente

Primeiro, certifique-se de que tem Ultralytics instalado. Pode fazer isso executando:

bash

Copiar código

Uma vez feito isto, pode começar a utilizar estes modelos nos seus projectos. Vamos começar com o modelo YOLOv8 como exemplo.

Principais caraterísticas do YOLOv8

YOLOv8 vem com várias melhorias em relação aos seus antecessores. Foi concebido para ser mais rápido e mais preciso, tornando-o perfeito para aplicações em tempo real. Algumas das principais caraterísticas incluem: 

• Velocidade e precisão aprimoradas
• Pesos pré-treinados para múltiplas tarefas
• Suporte para detecção de objetos, segmentação e classificação
• Arquitetura de modelo aprimorada para melhor desempenho

Executando YOLOv8 em Python

Eis como pode começar a utilizar o YOLOv8 com apenas algumas linhas de código:

Copiar código

É isso mesmo! Acabou de executar um modelo YOLOv8 numa imagem. Esta simplicidade é o que torna os modelos Ultralytics tão poderosos e fáceis de utilizar.

Detecção ao vivo por webcam

Quer ver YOLOv8 em ação através de uma webcam em direto? Eis como o podes fazer:

python

Copiar código

Este script abre a sua webcam e aplica o modelo YOLOv8 para detect objectos em tempo real.

Explorando outros modelos

Ultralytics não se limita ao YOLOv8. Também suporta vários outros modelos, como YOLOv5, YOLO e modelos baseados em transformadores para deteção em tempo real. Cada modelo tem seus próprios pontos fortes e casos de uso.

Modelos Transformer e como executá-los

O modelo RT-DETR , desenvolvido pela Baidu e apoiado pela Ultralytics, é um detetor de objectos topo de gama, de ponta a ponta, que oferece desempenho em tempo real e elevada precisão. Utiliza uma espinha dorsal baseada em conv e um codificador híbrido eficiente para velocidade em tempo real, destacando-se em CUDA com TensorRT, e suporta um ajuste flexível da velocidade de inferência.

Eis como pode executar um modelo RT-DETR :

Copiar código

Modelos Segment Anything

Ultralytics também oferece modelos para tarefas de segmentação, como o MobileSAM e o FastSAM. Estes modelos foram concebidos para segment tudo numa imagem, fornecendo informações detalhadas sobre a cena.

Execução do FastSAM

FastSAM está optimizado para a segmentação em tempo real e eis como o pode executar:

Copiar código

Este modelo é perfeito para aplicações que exigem segmentação rápida e precisa.

Desempenho e comparações

Uma das grandes caraterísticas da estrutura Ultralytics é a capacidade de comparar diferentes modelos lado a lado. Pode determinar facilmente qual o modelo que funciona melhor para a sua aplicação específica, analisando métricas de desempenho como a velocidade de inferência e a precisão médiamAP).

Principais conclusões

Ultralytics torna incrivelmente fácil a execução de modelos de deteção e segmentação de objectos com apenas algumas linhas de código. Quer esteja a trabalhar em aplicações em tempo real ou necessite de modelos de alta precisão, Ultralytics tem uma solução para si. Não deixe de consultar o tutorial completo de Nicolai Nielsen no canal do Ultralytics no YouTube para obter informações e exemplos mais aprofundados.

Fique atento a mais tutoriais e actualizações dacomunidade Ultralytics !