Ao clicar em “Aceitar todos os cookies”, concorda com o armazenamento de cookies no seu dispositivo para melhorar a navegação no site, analisar a utilização do site e ajudar nos nossos esforços de marketing. Mais informações
Definições de cookies
Ao clicar em “Aceitar todos os cookies”, concorda com o armazenamento de cookies no seu dispositivo para melhorar a navegação no site, analisar a utilização do site e ajudar nos nossos esforços de marketing. Mais informações
Descubra o poder do YOLOv8. Saiba mais sobre a sua velocidade, precisão e capacidades de deteção em tempo real. Explore os principais destaques e junte-se às nossas discussões no GitHub para saber mais.
Vamos dar uma vista de olhos ao mundo da segmentação de objectos com o Ultralytics YOLOv8 do Ultralytics. Nesta postagem do blog, vamos guiá-lo pelos prós e contras de configurar e executar a segmentação com facilidade em Python.
Preparando o terreno para a segmentação
Vamos começar por nos concentrarmos no YOLOv8. A instalação deste modelo poderoso é muito fácil e, em poucos instantes, estará preparado e pronto para explorar as suas capacidades de segmentação.
A segmentação de instâncias leva você um passo além da detecção de objetos, identificando objetos individuais dentro de uma imagem e separando-os do fundo.
Sua saída compreende máscaras ou contornos que delineiam cada objeto, acompanhados por rótulos de classe e pontuações de confiança. Esta técnica é extremamente valiosa quando formas precisas de objetos são essenciais, fornecendo não apenas a localização do objeto, mas também informações detalhadas sobre sua forma.
Com alguns comandos simples, será capaz de executar previsões a partir da linha de comandos, testemunhando em primeira mão a inovação e a simplicidade que YOLOv8 traz para a mesa.
Segmentação ao vivo: Trazendo imagens à vida
Mas porquê limitarmo-nos a imagens estáticas quando podemos experimentar a segmentação em tempo real? O nosso script Python é a sua porta de entrada para o mundo dinâmico da segmentação em tempo real.
Tirando partido da classe YOLO e integrando-a perfeitamente com o OpenCV, pode dar vida aos seus projectos, descobrindo padrões e percepções ocultas à medida que avança.
Desde identificar cadeiras até delinear plantas, as possibilidades são tão infinitas quanto sua imaginação.
Fig. 1. Nicolai Nielsen descreve os modelos pré-treinados de segmentação COCO .
Na Ultralytics, também damos apoio a COCO que servem como um excelente ponto de partida para qualquer caso de uso. É possível ajustar esses modelos de acordo com suas necessidades específicas.
Junte-se a nós nos próximos vídeos, à medida que nos aprofundamos no domínio do YOLOv8, explorando a formação personalizada e a inferência nos seus próprios conjuntos de dados.
Estamos empenhados em simplificar as complexidades da IA e da aprendizagem automática, um segment de cada vez. A nossa missão é capacitar indivíduos e organizações para aproveitarem todo o potencial de tecnologias de ponta como a YOLOv8. Com a nossa orientação e a sua curiosidade, não se sabe que descobertas incríveis nos esperam.
Junte-se a nós para desbloquear todo o potencial do Ultralytics YOLOv8. Veja o vídeo completo aqui!