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

Introdução aos modelos Ultralytics

O 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-NAS 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 documentação do Ultralytics. Aqui, pode encontrar informações detalhadas sobre cada modelo, incluindo as suas principais caraterísticas, arquitecturas e como utilizá-las nos seus scripts Python.

Configurar o ambiente

Primeiro, certifique-se de que tem o 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

O 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 melhoradas
• Pesos pré-treinados para várias tarefas
• Suporte para deteção, segmentação e classificação de objectos
• Arquitetura de modelo melhorada para um melhor desempenho

Executando o 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.

Deteção de webcam em direto

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

pitão

Copiar código

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

Explorar outros modelos

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

Modelos de transformadores e como os utilizar

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

Execução do FastSAM

O FastSAM está optimizado para segmentação em tempo real, e eis como pode executá-lo:

Copiar código

Este modelo é perfeito para aplicações que requerem uma 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 média (mAP).

Principais conclusões

O 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, o 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 da comunidade Ultralytics!