Обнаружение объектов с помощью предварительно обученной модели Ultralytics YOLOv8

В этом руководстве мы рассмотрим модели Ultralytics YOLO и способы их применения для обнаружения объектов.

Обзор модели Ultralytics YOLOv8#

Начнём с возможностей модели Ultralytics YOLOv8. Эта модель значительно продвинулась в области обнаружения объектов, обеспечивая удачный баланс скорости и точности. По сравнению с предыдущими моделями YOLO, YOLOv8 быстрее выполняет инференс, не снижая точности обнаружения.

В ходе обзора мы сравним скорость инференса и точность Ultralytics YOLOv8 с другими моделями YOLO и покажем её преимущества для обнаружения объектов в реальном времени. YOLOv8 позволяет значительно повысить производительность в самых разных приложениях.

Использование предварительно обученных моделей Ultralytics YOLOv8#

Одно из главных преимуществ модели Ultralytics YOLOv8 — простота использования, особенно предобученных моделей. Неважно, опытный ли ты разработчик или только начинаешь изучать компьютерное зрение, машинное обучение или глубокое обучение: пользоваться предобученными моделями YOLOv8 очень просто.

Всего с помощью двух строк кода на Python ты можешь запустить предобученную модель Ultralytics YOLOv8 для обнаружения объектов. Это позволяет без лишних усилий интегрировать возможности компьютерного зрения в свои проекты.

Документация и аргументы Ultralytics YOLOv8#

Полезно также знать, какие материалы доступны для работы с моделью Ultralytics YOLOv8. В будущих руководствах мы рассмотрим множество тем, в том числе обнаружение пользовательских объектов, отслеживание объектов, оценку позы и сегментацию, и дадим подробные рекомендации пользователям любого уровня.

Рис. 1. Основные задачи, которые решают модели Ultralytics YOLO.

Кроме того, мы рассмотрим ключевые аргументы предсказания, которые помогут максимально эффективно использовать Ultralytics YOLOv8. Понимание таких аргументов, как источник данных, порог уверенности и выбор устройства, поможет адаптировать модели под конкретные требования.

Обнаружение объектов в реальном времени с помощью веб-камеры#

Ultralytics YOLOv8 также может обнаруживать объекты в реальном времени с помощью веб-камеры. На видео YOLOv8 обнаруживает объекты в потоке с веб-камеры со скоростью более 100 кадров в секунду.

Ultralytics YOLOv8 хорошо справляется с задачами в реальном времени — будь то наблюдение за оживлённой улицей или отслеживание объектов в хаотичной обстановке. Благодаря способности точно и эффективно обнаруживать самые разные объекты YOLOv8 открывает новые возможности для применения в различных отраслях, включая здравоохранение, сельское хозяйство и производство.

Подводя итоги#

В заключение отметим, что YOLOv8 — важный шаг вперёд в области обнаружения объектов. В Ultralytics мы стремимся предоставлять разработчикам и исследователям практические инструменты и материалы по машинному обучению и искусственному интеллекту. На смену YOLOv8 пришла Ultralytics YOLO26, которую можно запускать с помощью того же API Python.

Посмотри полное видео и следи за новыми руководствами, инструкциями и полезными материалами. Присоединяйся к нашему сообществу и расскажи, что ты создаёшь с Ultralytics YOLO!