からの出力の抽出Ultralytics YOLOv8

変化し続けるコンピュータ・ビジョンの分野で Ultralytics YOLOv8は、物体 検出、 セグメンテーション、 トラッキングなどのタスクでトップクラスのモデルとして際立っています。経験豊富な開発者であれ、人工知能（AI）の初心者であれ、YOLOv8 からの出力を効果的に抽出する方法を理解することで、プロジェクトを大幅に強化することができます。このブログポストでは、YOLOv8 モデルから結果を抽出して使用するための実践的な手順について掘り下げます。

セッティングYOLOv8

結果抽出に入る前に、YOLOv8 モデルを立ち上げて実行することが重要です。初めての方は、YOLO モデルの セットアップと様々なコンピュータビジョンタスクのための使い方の基本をカバーした以前のビデオをご覧ください。結果抽出を開始するには、モデルが正しく設定されていることを確認します：

1. モデルの初期化：YOLOv8 モデルを適切に初期化し、物体検出や姿勢推定のような複雑なタスクなど、特定のニーズに合った適切なモデル構成を選択するようにします。
2. 推論の実行推論を実行するために、モデルを通してデータを入力します。このプロセスによりresultsオブジェクトが生成され、すべての検出データにアクセスするためのキーとなります。

結果オブジェクトを理解する

YOLOv8 の結果オブジェクトは情報の宝庫です。このオブジェクトには、プロジェクトを進めるために必要なすべての検出データが含まれています：

• バウンディングボックス使用方法 results.boxes 検出されたオブジェクトの座標にアクセスする。
• マスクとキーポイントポーズ推定のためのセグメンテーションマスクとキーポイントへのアクセス results.masks そして results.keypoints それぞれだ。
• クラスの確率： results.probabilities は、検出された各クラスの尤度を提供し、信頼度スコアに基づいて検出をフィルタリングするのに便利です。

カスタム使用のためのデータ抽出

これらの出力をアプリケーションで使用するには、以下の手順に従ってください：

1. 処理用にデータを変換する：GPU 上でモデルを実行している場合、さらに操作するために .cpu() を使って出力をCPU フォーマットに変換する。
2. バウンディングボックス座標へのアクセス結果オブジェクトからバウンディングボックス座標を直接取得して操作します。これには、正規化座標や、幅や高さなどの特定の属性へのアクセスも含まれます。
3. 分類を扱う：クラスIDと信頼度スコアを効果的に利用するために、上位の分類を抽出します。

コードでの実用化

ニコライ・ニールセンは、理論から実践へと移行し、Visual Studio Codeを使用したカスタムPython スクリプトにこれらの概念を実装する方法を示します。スクリプトの内容

• 検出クラスの設定：YOLOv8 モデルをクラス構造内で初期化および設定し、ライブデータ入力に備える。
• 結果の抽出：検出を実行し、結果オブジェクトから直接バウンディングボックス、マスク、分類を抽出します。
• 出力の活用：結果をJSONやCSVなどの使用可能な形式に変換したり、画像やビデオストリームにバウンディングボックスを描画するために直接使用したりできます。

ビジュアライゼーションとその先へ

生データを抽出することは非常に重要だが、これらの検出結果を視覚化することで、モデルのパフォーマンスを即座に把握することができる：

• 矩形の描画：バウンディングボックスデータを使用して、画像またはビデオ出力で検出されたオブジェクトの周囲に矩形を描画します。
• 直接プロット：YOLOv8の組み込みプロット機能を利用することで、追加コーディングなしで検出結果を直接視覚化できます。

AIツールキットYOLOv8

YOLOv8 出力抽出をマスターすることは、プロジェクトの能力を高めるだけでなく、物体検出システムについての理解を深めることにもつながります。

ステップに従うことで、YOLOv8 のフルパワーを活用し、高度なAI駆動型アプリケーションの開発や堅牢なデータ分析の実施など、特定のニーズに合わせた検出を行うことができます。

YOLOv8 、その他のAI技術を最大限に活用するためのチュートリアルにご期待ください。理論的な知識を実践的なスキルに変換し、コンピュータビジョンプロジェクトを正確かつ効率的に実現しましょう。私たちの コミュニティに参加して、最新の開発情報を入手したり、私たちの ドキュメントをチェックして、さらに学びましょう！ 

ビデオ全編は こちらから！