Đang chạy Ultralytics mô hình phát hiện và phân đoạn đối tượng trong một vài dòng mã

Chào mừng bạn đến với bài đăng trên blog tiếp theo, nơi chúng ta sẽ tìm hiểu sâu hơn về khả năng của các mô YOLOv5 Ultralytics và YOLOv8 của Ultralytics trong việc phát hiện và phân đoạn đối tượng. Chúng ta sẽ khám phá cách tích hợp các mô hình dễ sử dụng này vào dự án của bạn chỉ với vài dòng mã. Dù bạn là người mới bắt đầu hay nhà phát triển giàu kinh nghiệm, bạn sẽ thấy cách Ultralytics hỗ trợ nhiều mô hình và kiến trúc khác nhau, bao gồm các YOLO phiên bản và mô hình dựa trên máy biến áp. 

Trong video của mình, Nicolai Nielsen hướng dẫn chúng ta quy trình thiết lập và sử dụng nhiều mô hình khác nhau trong Ultralytics khung. Chúng ta hãy cùng phân tích từng bước và xem bạn có thể bắt đầu sử dụng những công cụ tuyệt vời này như thế nào.

Bắt đầu với Ultralytics các mô hình

Ultralytics cung cấp một khuôn khổ toàn diện hỗ trợ nhiều mô hình phát hiện và phân đoạn đối tượng. Điều này bao gồm các mô hình phổ biến YOLO các mẫu, từ YOLOv3 đến mới nhất YOLOv8 , cũng như YOLO -NAS và SAM mô hình. Các mô hình này được thiết kế để xử lý nhiều nhiệm vụ khác nhau như phát hiện thời gian thực, phân đoạn và ước tính tư thế .

Để bắt đầu, hãy truy cập trang tài liệu Ultralytics . Tại đây, bạn có thể tìm thấy thông tin chi tiết về từng mô hình, bao gồm các tính năng chính, kiến trúc và cách sử dụng chúng trong Python kịch bản.

Thiết lập môi trường của bạn

Đầu tiên, hãy đảm bảo bạn có Ultralytics đã cài đặt. Bạn có thể thực hiện việc này bằng cách chạy:

bash

Sao chép mã

Sau khi hoàn tất, bạn có thể bắt đầu sử dụng các mô hình này trong các dự án của mình. Hãy bắt đầu với YOLOv8 mô hình làm ví dụ.

Các tính năng chính của YOLOv8

YOLOv8 Phiên bản này được cải tiến nhiều tính năng so với các phiên bản trước. Nó được thiết kế để nhanh hơn và chính xác hơn, hoàn hảo cho các ứng dụng thời gian thực. Một số tính năng chính bao gồm: 

• Tăng cường tốc độ và độ chính xác
• Trọng số đã được huấn luyện trước cho nhiều tác vụ
• Hỗ trợ phát hiện đối tượng, phân đoạn và phân loại
• Cải thiện kiến trúc mô hình để có hiệu suất tốt hơn

Đang chạy YOLOv8 TRONG Python

Đây là cách bạn có thể bắt đầu với YOLOv8 chỉ trong vài dòng mã:

Sao chép mã

Vậy là xong! Bạn vừa chạy một YOLOv8 mô hình trên một hình ảnh. Sự đơn giản này là điều làm nên Ultralytics các mô hình mạnh mẽ và thân thiện với người dùng.

Phát hiện trực tiếp từ webcam

Muốn xem YOLOv8 đang hoạt động trên nguồn cấp dữ liệu webcam trực tiếp? Đây là cách bạn có thể thực hiện:

python

Sao chép mã

Tập lệnh này sẽ mở webcam của bạn và áp dụng YOLOv8 mô hình để detect các đối tượng theo thời gian thực.

Khám phá các mô hình khác

Ultralytics không chỉ dừng lại ở YOLOv8 . Họ cũng hỗ trợ nhiều mô hình khác như YOLOv5 , YOLO - NAS và các mô hình dựa trên máy biến áp để phát hiện thời gian thực. Mỗi mô hình có điểm mạnh và trường hợp sử dụng riêng.

Các mô hình Transformer và cách chạy chúng

Các RT-DETR mô hình được phát triển bởi Baidu và được hỗ trợ bởi Ultralytics , là một thiết bị phát hiện vật thể đầu cuối tiên tiến, cung cấp hiệu suất thời gian thực và độ chính xác cao. Nó sử dụng xương sống dựa trên conv và bộ mã hóa lai hiệu quả cho tốc độ thời gian thực, vượt trội về CUDA với TensorRT và hỗ trợ điều chỉnh tốc độ suy luận linh hoạt.

Đây là cách bạn có thể chạy một RT-DETR người mẫu:

Sao chép mã

Các mô hình Segment Anything

Ultralytics cũng cung cấp các mô hình cho các nhiệm vụ phân đoạn, chẳng hạn như MobileSAM Và FastSAM . Các mô hình này được thiết kế để segment phân tích mọi thứ trong hình ảnh, cung cấp thông tin chi tiết về cảnh đó.

Đang chạy FastSAM

FastSAM được tối ưu hóa cho phân đoạn thời gian thực và đây là cách bạn có thể chạy nó:

Sao chép mã

Mô hình này hoàn hảo cho các ứng dụng đòi hỏi phân đoạn nhanh chóng và chính xác.

Hiệu suất và so sánh

Một trong những tính năng tuyệt vời của Ultralytics Khung là khả năng so sánh các mô hình khác nhau cạnh nhau. Bạn có thể dễ dàng xác định mô hình nào hoạt động tốt nhất cho ứng dụng cụ thể của mình bằng cách xem xét các số liệu hiệu suất như tốc độ suy luận và độ chính xác trung bình ( mAP ).

Những điểm chính

Ultralytics giúp việc chạy các mô hình phát hiện và phân đoạn đối tượng trở nên cực kỳ dễ dàng chỉ với vài dòng mã. Cho dù bạn đang làm việc trên các ứng dụng thời gian thực hay cần các mô hình có độ chính xác cao, Ultralytics có giải pháp dành cho bạn. Hãy nhớ xem hướng dẫn đầy đủ của Nicolai Nielsen về Ultralytics Kênh YouTube để biết thêm thông tin chi tiết và ví dụ.

Hãy theo dõi để biết thêm hướng dẫn và cập nhật từ Ultralytics cộng đồng !