Chạy các mô hình phát hiện và phân đoạn đối tượng Ultralytics trong một vài dòng mã

Bắt đầu với các mô hình Ultralytics

Ultralytics cung cấp một khuôn khổ toàn diện hỗ trợ nhiều mô hình phát hiện và phân đoạn đối tượng. Bao gồm các mô hình YOLO phổ biến, từ YOLOv3 đến YOLOv8 mới nhất, cũng như các mô hình YOLO-NAS và SAM. Các mô hình này được thiết kế để xử lý nhiều tác 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 các tập lệnh Python của bạn.

Thiết lập môi trường của bạn

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

đập mạnh

Sao chép mã

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

Các tính năng chính của YOLOv8

YOLOv8 có một số cải tiến 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: 

• Tốc độ và độ chính xác được cải thiện
• Tạ được đào tạo trước cho nhiều nhiệm vụ
• Hỗ trợ phát hiện, phân đoạn và phân loại đối tượng
• Kiến trúc mô hình được cải thiện để có hiệu suất tốt hơn

Chạy YOLOv8 trong Python

Sau đây là cách bạn có thể bắt đầu sử dụng YOLOv8 chỉ bằng vài dòng mã:

Sao chép mã

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

Phát hiện webcam trực tiếp

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

con trăn

Sao chép mã

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

Khám phá các mô hình khác

Ultralytics không chỉ dừng lại ở YOLOv8. Họ còn 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.

Mô hình máy biến áp và cách chạy chúng

Mô hình RT-DETR do Baidu phát triển và được Ultralytics hỗ trợ, là một bộ phát hiện đối tượng 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 trên CUDA với TensorRT và hỗ trợ điều chỉnh tốc độ suy luận linh hoạt.

Sau đây là cách bạn có thể chạy mô hình RT-DETR:

Sao chép mã

Chạy FastSAM

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

Sao chép mã

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

Hiệu suất và so sánh

Một trong những tính năng tuyệt vời của khung Ultralytics 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 các số liệu hiệu suất như tốc độ suy luận và độ chính xác trung bình (mAP).

Những điểm chính

Ultralytics giúp bạn chạy các mô hình phát hiện và phân đoạn đối tượng cực kỳ dễ dàng chỉ với một 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 đều có giải pháp dành cho bạn. Hãy nhớ xem hướng dẫn đầy đủ của Nicolai Nielsen trên kênh YouTube Ultralytics để biết thêm thông tin chi tiết và ví dụ.

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