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 sua velocidade, precisão e capacidades de detecção em tempo real. Explore os principais destaques e participe das nossas Discussões no GitHub para obter mais informações.
Vamos dar uma olhada no mundo da segmentação de objetos com o modelo Ultralytics YOLOv8. Nesta postagem do blog, vamos guiá-lo pelos meandros da configuração e execução da segmentação com facilidade em Python.
Preparando o terreno para a segmentação
Vamos começar focando no YOLOv8. Instalar este modelo poderoso é muito fácil e, em instantes, você estará preparado e pronto para aproveitar seus recursos 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, você poderá executar previsões a partir da linha de comando, testemunhando em primeira mão a inovação e a simplicidade que o YOLOv8 traz para a mesa.
Segmentação ao vivo: Trazendo imagens à vida
Mas por que nos limitarmos a imagens estáticas quando podemos experimentar a segmentação em tempo real? Nosso script Python é a sua porta de entrada para o mundo dinâmico da segmentação ao vivo.
Ao aproveitar a classe YOLO e integrá-la perfeitamente com o OpenCV, você pode dar vida aos seus projetos, descobrindo insights e padrões ocultos à medida que avança.
Desde identificar cadeiras até delinear plantas, as possibilidades são tão infinitas quanto sua imaginação.
Fig 1. Nicolai Nielsen descrevendo os modelos pré-treinados de segmentação COCO.
Na Ultralytics, também oferecemos suporte para modelos pré-treinados de segmentação COCO, que servem como um excelente ponto de partida para qualquer caso de uso. Você pode então ajustar esses modelos para suas necessidades específicas.
Junte-se a nós nos próximos vídeos enquanto nos aprofundamos no reino do YOLOv8, explorando o treinamento personalizado e a inferência em seus próprios conjuntos de dados.
Estamos comprometidos em simplificar as complexidades da IA e do aprendizado de máquina, um segmento de cada vez. Nossa missão é capacitar indivíduos e organizações a aproveitar todo o potencial de tecnologias de ponta como o YOLOv8. Com nossa orientação e sua curiosidade, não há como prever quais avanços incríveis nos aguardam.
Junte-se a nós para desbloquear todo o potencial do Ultralytics YOLOv8. Assista ao vídeo completo aqui!