Xuất khẩu một đào tạo tùy chỉnh Ultralytics YOLOv8 Mẫu

Tham gia với chúng tôi khi chúng tôi xem xét kỹ hơn về phát hiện đối tượng tùy chỉnh với Ultralytics YOLOv8. Trong bài đăng trên blog này, chúng ta sẽ khám phá quy trình phức tạp của việc đào tạo một mô hình tùy chỉnh, xuất tạ đã đào tạo và chạy suy luận trực tiếp trên webcam. 

Đào tạo mô hình phát hiện đối tượng tùy chỉnh

Trong video trước của chúng tôi, chúng tôi đã đi sâu vào lĩnh vực đào tạo một YOLOv8 mô hình trên tập dữ liệu cốc tùy chỉnh trong Google Colab. Chúng tôi thấy biểu đồ đào tạo được cải thiện đều đặn, với tổn thất giảm và vị trí lỗi trung bình tăng lên. Dựa trên điều này, mô hình đặc biệt của chúng tôi hiện có thể xác định năm loại cốc khác nhau rất chính xác.

‍

Với mô hình tùy chỉnh của chúng tôi được đào tạo và sẵn sàng hoạt động, đã đến lúc khám phá biên giới tiếp theo — xuất tạ đã đào tạo và chạy suy luận trực tiếp trên webcam.

Suy luận mô hình là quá trình sử dụng mô hình thị giác máy tính được đào tạo để đưa ra dự đoán hoặc quyết định dựa trên dữ liệu mới, chưa nhìn thấy. Đó là khi mô hình sử dụng dữ liệu đầu vào, chẳng hạn như hình ảnh và xử lý nó thông qua các tham số và cấu trúc đã học. Mô hình sau đó tạo ra một đầu ra, chẳng hạn như phân loại, phát hiện hoặc phân đoạn, dựa trên nhiệm vụ đào tạo của nó. 

Về mặt thực tế, suy luận thường liên quan đến việc triển khai mô hình được đào tạo vào môi trường sản xuất, nơi nó có thể được sử dụng để xử lý dữ liệu trong thế giới thực trong các tình huống xử lý hàng loạt hoặc thời gian thực.

Xuất và chạy suy luận với mô hình được đào tạo

Với trọng lượng mô hình được đào tạo được tải xuống từ Colab, chúng tôi có thể nhập chúng liền mạch vào một Python môi trường, sẵn sàng giải phóng toàn bộ tiềm năng của mô hình tùy chỉnh của chúng tôi.

Sử dụng một vài dòng mã, chúng ta có thể thiết lập một Python Kịch bản để chạy suy luận trực tiếp trên webcam, ghi lại cảnh quay thời gian thực và phát hiện các cốc khác nhau với độ chính xác ấn tượng. Sức mạnh của YOLOv8 Tỏa sáng khi mô hình của chúng tôi dễ dàng xác định các cốc có hình dạng, kích cỡ và màu sắc khác nhau, thể hiện tính linh hoạt và độ tin cậy của nó trong các tình huống thực tế.

Các mô hình tinh chỉnh cung cấp một số lợi ích. Họ có thể dò Phân đoạnhoặc phân loại các đối tượng mà các mô hình được đào tạo trước có thể không hỗ trợ. Ngoài ra, họ có thể hỗ trợ các nhà nghiên cứu hoặc nhà khoa học dữ liệu hiểu cách kiến trúc mô hình hoạt động trên các bộ dữ liệu trong thế giới thực.

Tổng kết

Từ việc đào tạo một mô hình tùy chỉnh đến xuất tạ đã đào tạo và chạy suy luận trực tiếp trên webcam, chúng tôi đã chứng kiến sức mạnh và tính linh hoạt của YOLOv8 Firsthand.

Tham gia cùng chúng tôi trong nhiệm vụ của chúng tôi để mở khóa toàn bộ tiềm năng phát hiện đối tượng tùy chỉnh với Ultralytics YOLOv8. Cùng nhau, hãy định hình tương lai của AI phát hiện từng phát hiện một. Kiểm tra lại Ultralytics HUB và tài liệu của chúng tôi để biết thêm thông tin về tất cả mọi thứ Ultralytics cũng như tham gia cộng đồng của chúng tôi để cập nhật những phát triển mới nhất! 

Nếu bạn tò mò về việc xuất đã được đào tạo tùy chỉnh YOLOv8 Mô hình và chạy suy luận trên webcam, xem video đầy đủ tại đây!