Сегментация с предварительно обученными моделями Ultralytics YOLOv8 на Python
Узнай, как выполнять сегментацию экземпляров с предобученными моделями Ultralytics YOLOv8 в Python: от инференса с веб-камеры в реальном времени до обучения на наборах данных для сегментации.
Nuvola Ladi2 мин. чтения
В этой статье мы рассмотрим сегментацию объектов с помощью модели Ultralytics YOLOv8 и покажем, как настроить и запустить сегментацию в Python.
Подготовка к сегментации#
Начнём с Ultralytics YOLOv8. Для установки пакета Ultralytics достаточно одной команды, после чего можно использовать возможности модели для сегментации.
Сегментация экземпляров идёт дальше обнаружения объектов: она точно определяет отдельные объекты на изображении и отделяет их от фона.
Результат включает маски или контуры, очерчивающие каждый объект, а также метки классов и оценки уверенности. Этот метод полезен, когда важна точная форма объекта: он показывает не только расположение объекта, но и подробную информацию о его очертаниях.
Запустить предсказания из командной строки можно с помощью нескольких простых команд.
Сегментация в реальном времени: оживляем изображения#
Сегментация применима не только к статичным изображениям. С помощью короткого скрипта на Python её также можно выполнять в реальном времени на видеопотоке.
Используя класс YOLO вместе с OpenCV, можно сегментировать кадры с веб-камеры и показывать результаты по мере обработки.
В видео модель сегментирует повседневные объекты — от стульев до растений.
Рис. 1. Николай Нильсен рассказывает о предобученных моделях сегментации COCO.
В Ultralytics мы также поддерживаем предварительно обученные модели сегментации COCO, которые служат хорошей отправной точкой для многих задач. Затем ты можешь дообучить эти модели под свои конкретные потребности.
Мы поддерживаем разные наборы данных, в том числе сегментацию деталей автомобилей, сегментацию трещин и сегментацию промышленных упаковок. Обучать модели сегментации на этих наборах данных просто: достаточно выполнить одну команду, приведенную в нашей документации:
yolo segment train data=carparts-seg.yaml model=yolov8n-seg.pt epochs=100 imgsz=640Следи за обновлениями#
В следующих видео мы подробнее расскажем об Ultralytics YOLOv8, в том числе о пользовательском обучении и инференсе на собственных наборах данных.
Мы стремимся сделать ИИ и машинное обучение проще в использовании — шаг за шагом.
Смотри полное видео на YouTube.
Автор
Менеджер по цифровому контенту · Ultralytics
Комментарии
Задай вопрос, поделись результатами или помоги кому-нибудь.
