Извлечение результатов из Ultralytics YOLOv8

В постоянно меняющейся области компьютерного зрения Ultralytics YOLOv8 выделяется как первоклассная модель для таких задач, как детекция, сегментация и трекинг. Независимо от того, являешься ли ты опытным разработчиком или новичком в искусственном интеллекте (ИИ), понимание того, как эффективно извлекать выходные данные из YOLOv8, может значительно улучшить твои проекты. В этом посте блога рассматриваются практические шаги по извлечению и использованию результатов модели YOLOv8.

Настройка Ultralytics YOLOv8#

Прежде чем погружаться в извлечение результатов, важно запустить свою модель Ultralytics YOLOv8. Если ты новичок, можешь посмотреть наши предыдущие видео, где мы рассматриваем основы настройки и использования моделей YOLO для различных задач компьютерного зрения. Чтобы начать извлечение результатов, убедись, что твоя модель настроена правильно:

1. Инициализация модели: Инициализируй модель Ultralytics YOLOv8 должным образом, убедившись, что выбрал правильную конфигурацию модели под свои конкретные задачи, будь то детекция объектов или более сложные задачи вроде оценки позы.
2. Запуск инференса: передай данные через модель для выполнения инференса. Этот процесс создаст объект результатов, который является ключом к доступу ко всем данным обнаружения.

Понимание объекта результатов#

Объект результатов в Ultralytics YOLOv8 — это кладезь информации. Он содержит все данные детекции, необходимые для продолжения работы над твоим проектом, включая:

• Ограничивающие рамки: используй results.boxes для доступа к координатам обнаруженных объектов.
• Маски и ключевые точки: получай доступ к маскам сегментации и ключевым точкам для оценки позы с помощью results.masks и results.keypoints соответственно.
• Вероятности классов: results.probs предоставляет вероятность каждого обнаруженного класса, что полезно для фильтрации детекций на основе оценок уверенности.

Извлечение данных для собственных нужд#

Чтобы использовать эти выходные данные в своих приложениях, следуй этим шагам:

1. Преобразование данных для обработки: если ты запускаешь модель на GPU, преобразуй выходные данные в формат CPU с помощью .cpu() для дальнейших манипуляций.
2. Доступ к координатам Bounding Box: получай и обрабатывай координаты bounding box напрямую из объекта результатов. Это включает доступ к нормализованным координатам или конкретным атрибутам, таким как ширина и высота.
3. Обработка классификаций: извлекай основные классификации, чтобы эффективно использовать идентификаторы классов и оценки уверенности.

Практическое применение в коде#

Переходя от теории к практике, Николай Нильсен демонстрирует, как реализовать эти концепции в пользовательском скрипте Python с использованием Visual Studio Code. Скрипт включает в себя:

• Настройка класса детекции: Инициализируй и настрой модель Ultralytics YOLOv8 в рамках структуры класса, подготавливая ее к вводу данных в реальном времени.
• Извлечение результатов: запусти обнаружение и извлеки bounding boxes, маски и классификации прямо из объекта результатов.
• Использование выходных данных: конвертируй результаты в удобные форматы, такие как JSON или CSV, или используй их напрямую для рисования bounding boxes на изображениях или видеопотоках.

Визуализация и не только#

Хотя извлечение необработанных данных имеет решающее значение, визуализация этих обнаружений может дать мгновенное представление о работе модели:

• Рисование прямоугольников: используй данные bounding box, чтобы нарисовать прямоугольники вокруг обнаруженных объектов на изображениях или видео.
• Прямое построение графиков: Используй встроенные функции построения графиков Ultralytics YOLOv8 для прямой визуализации детекций без дополнительного кодирования.

Расширение твоего арсенала ИИ с помощью Ultralytics YOLOv8#

Освоение извлечения результатов Ultralytics YOLOv8 не только расширяет возможности твоего проекта, но и углубляет твое понимание систем детекции объектов.

Следуя этим шагам, ты сможешь задействовать всю мощь Ultralytics YOLOv8 для адаптации детекций под свои конкретные потребности, будь то разработка продвинутых приложений на базе ИИ или проведение надежного анализа данных.

Следи за новыми туториалами, которые помогут тебе максимально эффективно использовать Ultralytics YOLOv8 и другие технологии ИИ. Преврати свои теоретические знания в практические навыки и воплоти свои проекты компьютерного зрения в жизнь с точностью и эффективностью. Присоединяйся к нашему сообществу, чтобы быть в курсе всех последних событий, а также загляни в нашу документацию, чтобы узнать больше!

Посмотри полное видео Watch the full video!