Trích xuất kết quả đầu ra từ Ultralytics YOLOv8

Trong lĩnh vực thị giác máy tính không ngừng thay đổi, Ultralytics YOLOv8 nổi bật như một model hàng đầu cho các tác vụ như phát hiện, phân đoạn và theo dõi. Dù bạn là nhà phát triển dày dạn kinh nghiệm hay người mới bắt đầu trong lĩnh vực trí tuệ nhân tạo (AI), việc hiểu cách trích xuất kết quả đầu ra từ YOLOv8 một cách hiệu quả có thể nâng cao đáng kể các dự án của bạn. Bài viết này sẽ đi sâu vào các bước thực tế để trích xuất và sử dụng kết quả từ model YOLOv8.

Link to this sectionThiết lập YOLOv8#

Trước khi đi sâu vào việc trích xuất kết quả, điều quan trọng là model YOLOv8 của bạn phải được thiết lập và vận hành. Nếu bạn là người mới, bạn có thể xem các video trước đây của chúng tôi, nơi chúng tôi đề cập đến những kiến thức cơ bản về thiết lập và sử dụng các model YOLO cho nhiều tác vụ thị giác máy tính khác nhau. Để bắt đầu trích xuất kết quả, hãy đảm bảo model của bạn được cấu hình đúng cách:

1. Khởi tạo Model: Khởi tạo model YOLOv8 một cách thích hợp, đảm bảo bạn chọn đúng cấu hình model phù hợp với nhu cầu cụ thể của mình, cho dù đó là phát hiện đối tượng hay các tác vụ phức tạp hơn như ước tính tư thế (pose estimation).
2. Chạy Inference: Nhập dữ liệu của bạn qua model để thực hiện inference. Quá trình này sẽ tạo ra một đối tượng kết quả (results object), là chìa khóa để bạn truy cập tất cả dữ liệu phát hiện.

Link to this sectionHiểu về đối tượng kết quả (results object)#

Đối tượng kết quả trong YOLOv8 là một kho tàng thông tin. Nó chứa tất cả dữ liệu phát hiện mà bạn cần để tiếp tục dự án của mình, bao gồm:

• Bbox: Sử dụng results.boxes để truy cập tọa độ của các đối tượng được phát hiện.
• Mask và Keypoint: Truy cập các mask phân đoạn và keypoint cho ước tính tư thế bằng cách sử dụng results.masks và results.keypoints tương ứng.
• Xác suất lớp: results.probs cung cấp xác suất của từng lớp được phát hiện, hữu ích cho việc lọc các kết quả phát hiện dựa trên điểm số tin cậy (confidence score).

Link to this sectionTrích xuất dữ liệu cho mục đích tùy chỉnh#

Để sử dụng các kết quả đầu ra này trong ứng dụng của bạn, hãy làm theo các bước sau:

1. Chuyển đổi dữ liệu để xử lý: Nếu bạn đang chạy model trên GPU, hãy chuyển đổi kết quả đầu ra sang định dạng CPU bằng cách sử dụng .cpu() để xử lý thêm.
2. Truy cập tọa độ Bbox: Truy xuất và thao tác trực tiếp với tọa độ bbox từ đối tượng kết quả. Điều này bao gồm việc truy cập các tọa độ đã chuẩn hóa hoặc các thuộc tính cụ thể như chiều rộng và chiều cao.
3. Xử lý phân loại: Trích xuất các phân loại hàng đầu để sử dụng ID lớp và điểm số tin cậy một cách hiệu quả.

Link to this sectionỨng dụng thực tế trong code#

Chuyển từ lý thuyết sang thực hành, Nicolai Nielsen trình bày cách triển khai các khái niệm này trong một script Python tùy chỉnh bằng cách sử dụng Visual Studio Code. Script này bao gồm:

• Thiết lập một lớp phát hiện: Khởi tạo và cấu hình model YOLOv8 của bạn trong cấu trúc lớp, chuẩn bị sẵn sàng cho việc nhập dữ liệu trực tiếp.
• Trích xuất kết quả: Chạy phát hiện và trích xuất các bbox, mask và phân loại trực tiếp từ đối tượng kết quả.
• Sử dụng kết quả đầu ra: Chuyển đổi kết quả thành các định dạng có thể sử dụng như JSON hoặc CSV, hoặc sử dụng trực tiếp để vẽ bbox lên hình ảnh hoặc luồng video.

Link to this sectionTrực quan hóa và hơn thế nữa#

Mặc dù việc trích xuất dữ liệu thô là rất quan trọng, nhưng việc trực quan hóa các kết quả phát hiện này có thể cung cấp thông tin chi tiết tức thì về hiệu suất của model:

• Vẽ hình chữ nhật: Sử dụng dữ liệu bbox để vẽ các hình chữ nhật xung quanh các đối tượng được phát hiện trong kết quả hình ảnh hoặc video.
• Plot trực tiếp: Sử dụng các hàm plot tích hợp sẵn của YOLOv8 để trực quan hóa các kết quả phát hiện mà không cần thêm mã nguồn.

Link to this sectionMở rộng bộ công cụ AI của bạn với YOLOv8#

Làm chủ việc trích xuất kết quả YOLOv8 không chỉ nâng cao năng lực cho dự án của bạn mà còn làm sâu sắc thêm hiểu biết của bạn về các hệ thống phát hiện đối tượng.

Bằng cách làm theo các bước này, bạn có thể khai thác toàn bộ sức mạnh của YOLOv8 để tùy chỉnh các kết quả phát hiện theo nhu cầu cụ thể của mình, cho dù là trong việc phát triển các ứng dụng dựa trên AI tiên tiến hay thực hiện phân tích dữ liệu mạnh mẽ.

Hãy theo dõi để biết thêm các hướng dẫn giúp bạn tận dụng tối đa YOLOv8 và các công nghệ AI khác. Biến kiến thức lý thuyết của bạn thành kỹ năng thực tế và hiện thực hóa các dự án thị giác máy tính của bạn với sự chính xác và hiệu quả. Tham gia cộng đồng của chúng tôi để cập nhật tất cả những phát triển mới nhất cũng như xem tài liệu của chúng tôi để tìm hiểu thêm!

Xem video đầy đủ Watch the full video!