Facendo clic su "Accetta tutti i cookie", acconsenti alla memorizzazione dei cookie sul tuo dispositivo per migliorare la navigazione del sito, analizzare l'utilizzo del sito e contribuire alle nostre iniziative di marketing. Per saperne di più
Impostazioni dei cookie
Facendo clic su "Accetta tutti i cookie", acconsenti alla memorizzazione dei cookie sul tuo dispositivo per migliorare la navigazione del sito, analizzare l'utilizzo del sito e contribuire alle nostre iniziative di marketing. Per saperne di più
Segmentazione con modelli preaddestrati Ultralytics YOLOv8 in Python
Scopri la potenza di YOLOv8. Scopri la sua velocità, la precisione e le capacità di rilevamento in tempo reale. Esplora i punti salienti e unisciti alle nostre discussioni su GitHub per saperne di più.
Diamo un'occhiata al mondo della segmentazione degli oggetti con il modello Ultralytics YOLOv8 modello. In questo blogpost ti guideremo attraverso i dettagli dell'impostazione e dell'esecuzione della segmentazione con facilità in Python.
Preparare il terreno per la segmentazione
Iniziamo concentrandoci su YOLOv8. L'installazione di questo modello potente è un gioco da ragazzi e in pochi istanti sarai pronto a sfruttare le sue capacità di segmentazione.
La segmentazione delle istanze fa un passo avanti rispetto al rilevamento degli oggetti, individuando i singoli oggetti all'interno di un'immagine e separandoli dallo sfondo.
Il suo output comprende maschere o contorni che delineano ogni oggetto, accompagnati da etichette di classe e punteggi di confidenza. Questa tecnica si rivela preziosa quando è essenziale avere forme precise degli oggetti, fornendo non solo la loro posizione ma anche informazioni dettagliate sulla loro forma.
Con alcuni semplici comandi, potrai eseguire le previsioni dalla linea di comando, sperimentando in prima persona l'innovazione e la semplicità di YOLOv8 .
Segmentazione dal vivo: Dare vita alle immagini
Ma perché limitarsi a immagini statiche quando si può sperimentare la segmentazione in tempo reale? Il nostro script Python è la tua porta d'accesso al mondo dinamico della segmentazione dal vivo.
Sfruttando la classe YOLO e integrandola perfettamente con OpenCV, puoi dare vita ai tuoi progetti, scoprendo man mano intuizioni e modelli nascosti.
Dall'identificazione delle sedie alla delimitazione delle piante, le possibilità sono infinite quanto la tua immaginazione.
Figura 1. Nicolai Nielsen illustra i modelli pre-addestrati per la segmentazione COCO.
Su Ultralytics forniamo anche il supporto per i modelli pre-addestrati di segmentazione COCO, che rappresentano un ottimo punto di partenza per qualsiasi caso d'uso. Potrai poi perfezionare questi modelli in base alle tue esigenze specifiche.
Unisciti a noi nei prossimi video per immergerti nel regno di YOLOv8, esplorando la formazione e l'inferenza personalizzata sui tuoi set di dati.
Ci impegniamo a semplificare le complessità dell'IA e dell'apprendimento automatico, un segmento alla volta. La nostra missione è quella di mettere individui e organizzazioni in grado di sfruttare appieno il potenziale di tecnologie all'avanguardia come YOLOv8. Con la nostra guida e la tua curiosità, non c'è modo di sapere quali incredibili scoperte ti aspettano.
Unisciti a noi per sbloccare tutto il potenziale di Ultralytics YOLOv8 . Guarda il video completo qui!
