Esecuzione dei modelli di rilevamento e segmentazione degli oggetti di Ultralytics in poche righe di codice

Come iniziare con i modelli Ultralytics

Ultralytics offre un framework completo che supporta diversi modelli di rilevamento e segmentazione degli oggetti. Questi includono i popolari modelli YOLO, da YOLOv3 al più recente YOLOv8, nonché i modelli YOLO-NAS e SAM. Questi modelli sono progettati per gestire una serie di attività come il rilevamento in tempo reale, la segmentazione e la stima della posa.

Per iniziare, visitate la pagina della documentazione di Ultralytics. Qui si possono trovare informazioni dettagliate su ciascun modello, comprese le caratteristiche principali, le architetture e le modalità di utilizzo nei propri script Python.

Impostazione dell'ambiente

Innanzitutto, assicuratevi di aver installato Ultralytics. Per farlo, eseguite:

bash

Copiare il codice

Una volta fatto questo, si può iniziare a usare questi modelli nei propri progetti. Cominciamo con il modello YOLOv8 come esempio.

Caratteristiche principali di YOLOv8

YOLOv8 presenta numerosi miglioramenti rispetto ai suoi predecessori. È stato progettato per essere più veloce e preciso, rendendolo perfetto per le applicazioni in tempo reale. Alcune caratteristiche chiave includono: 

• Maggiore velocità e precisione
• Pesi pre-addestrati per più compiti
• Supporto per il rilevamento, la segmentazione e la classificazione degli oggetti
• Architettura del modello migliorata per ottenere prestazioni migliori

Esecuzione di YOLOv8 in Python

Ecco come iniziare a utilizzare YOLOv8 con poche righe di codice:

Copiare il codice

Ecco fatto! Avete appena eseguito un modello YOLOv8 su un'immagine. Questa semplicità è ciò che rende i modelli Ultralytics così potenti e facili da usare.

Rilevamento della webcam dal vivo

Vuoi vedere YOLOv8 in azione con una webcam in diretta? Ecco come fare:

pitone

Copiare il codice

Questo script apre la webcam e applica il modello YOLOv8 per rilevare gli oggetti in tempo reale.

Esplorare altri modelli

Ultralytics non si ferma solo a YOLOv8. Supporta anche altri modelli come YOLOv5, YOLO-NAS e modelli basati su trasformatori per il rilevamento in tempo reale. Ogni modello ha i suoi punti di forza e i suoi casi d'uso.

Modelli di trasformatori e come gestirli

Il modello RT-DETR, sviluppato da Baidu e supportato da Ultralytics, è un rilevatore di oggetti end-to-end all'avanguardia che offre prestazioni in tempo reale ed elevata precisione. Utilizza una struttura portante basata su conv e un efficiente codificatore ibrido per ottenere velocità in tempo reale, eccellendo su CUDA con TensorRT, e supporta una regolazione flessibile della velocità di inferenza.

Ecco come si può eseguire un modello RT-DETR:

Copiare il codice

Esecuzione di FastSAM

FastSAM è ottimizzato per la segmentazione in tempo reale ed ecco come eseguirlo:

Copiare il codice

Questo modello è perfetto per le applicazioni che richiedono una segmentazione rapida e precisa.

Prestazioni e confronti

Una delle caratteristiche principali del framework Ultralytics è la possibilità di confrontare diversi modelli tra loro. È possibile determinare facilmente quale modello funziona meglio per la propria applicazione specifica osservando le metriche di prestazione come la velocità di inferenza e la precisione media (mAP).

Principali risultati

Ultralytics rende incredibilmente facile l'esecuzione di modelli di rilevamento e segmentazione degli oggetti con poche righe di codice. Se state lavorando su applicazioni in tempo reale o avete bisogno di modelli ad alta precisione, Ultralytics ha la soluzione che fa per voi. Per informazioni ed esempi più approfonditi, consultate il tutorial completo di Nicolai Nielsen sul canale YouTube di Ultralytics.

Restate sintonizzati per ulteriori tutorial e aggiornamenti dalla comunità di Ultralytics!