Извлечение выходных данных из Ultralytics YOLOv8

В постоянно меняющейся области компьютерного зрения Ultralytics YOLOv8 выделяется как модель высшего уровня для таких задач, как обнаружение объектов, сегментация и отслеживание. Будь ты опытным разработчиком или новичком в области искусственного интеллекта (ИИ), понимание того, как эффективно извлекать результаты из YOLOv8 , может значительно улучшить твои проекты. В этой статье блога мы рассмотрим практические шаги по извлечению и использованию результатов из модели YOLOv8 .

Настройка YOLOv8

Прежде чем приступить к извлечению результатов, очень важно, чтобы твоя модель YOLOv8 была настроена и работала. Если ты новичок, то можешь посмотреть наши предыдущие видео, в которых мы рассказываем об основах настройки и использования моделей YOLO для различных задач компьютерного зрения. Чтобы приступить к извлечению результатов, убедись, что твоя модель настроена правильно:

1. Инициализация модели: Инициализируй модель YOLOv8 соответствующим образом, убедившись, что ты выбрал правильную конфигурацию модели, которая соответствует твоим конкретным потребностям, будь то обнаружение объектов или более сложные задачи вроде оценки позы.
2. Запускаем умозаключение: Введи свои данные через модель, чтобы выполнить вывод. В результате этого процесса будет сгенерирован объект results, который станет твоим ключом к доступу ко всем данным обнаружения.

Понимание объекта Results

Объект results в YOLOv8 - это золотая жила информации. Он содержит все данные об обнаружении, которые нужны тебе для продолжения проекта, включая:

• Ограничительные рамки: Используй results.boxes чтобы получить доступ к координатам обнаруженных объектов.
• Маски и ключевые точки: Получи доступ к маскам сегментации и ключевым точкам для оценки позы, используя results.masks и results.keypoints соответственно.
• Вероятности класса: results.probabilities показывает вероятность каждого обнаруженного класса, что полезно для фильтрации обнаружений на основе оценок доверия.

Извлечение данных для пользовательского использования

Чтобы использовать эти выходы в своих приложениях, выполни следующие шаги:

1. Конвертируй данные для обработки: Если ты запускаешь свою модель на GPU, то для дальнейших манипуляций преобразуй полученные данные в формат CPU с помощью .cpu().
2. Получение доступа к координатам граничной области: Получай координаты ограничительной рамки и управляй ими непосредственно из объекта результатов. Это включает в себя доступ к нормализованным координатам или специфическим атрибутам, таким как ширина и высота.
3. Работа с классификациями: Извлеки топ-классификаций, чтобы эффективно использовать идентификаторы классов и баллы доверия.

Практическое применение в коде

Переходя от теории к практике, Николай Нильсен демонстрирует, как реализовать эти концепции в рамках пользовательского скрипта Python с помощью Visual Studio Code. Скрипт включает в себя:

• Настройка класса обнаружения: Инициализируй и настройте свою модель YOLOv8 в структуре класса, подготовив ее к вводу данных в реальном времени.
• Извлечение результатов: Запусти обнаружение и извлеки ограничительные рамки, маски и классификации прямо из объекта результатов.
• Использование выходных данных: Преобразуй результаты в удобные форматы вроде JSON или CSV или используй их напрямую, чтобы рисовать ограничительные рамки на изображениях или видеопотоках.

Визуализация и не только

Хотя извлечение исходных данных крайне важно, визуализация этих обнаружений может дать немедленное представление о работе модели:

• Рисование прямоугольников: Используй данные о граничных коробках, чтобы рисовать прямоугольники вокруг обнаруженных объектов на изображениях или видео.
• Прямое черчение: Используй встроенные в YOLOv8функции черчения, чтобы напрямую визуализировать обнаружения без дополнительного кодирования.

Расширь свой набор инструментов для искусственного интеллекта с помощью YOLOv8

Освоение извлечения вывода YOLOv8 не только повышает возможности твоего проекта, но и углубляет твое понимание систем обнаружения объектов.

Выполнив следующие шаги, ты сможешь использовать всю мощь YOLOv8 для адаптации обнаружения к твоим конкретным потребностям, будь то разработка продвинутых приложений, управляемых искусственным интеллектом, или проведение надежного анализа данных.

Оставайся с нами и следи за новыми уроками, которые помогут тебе использовать YOLOv8 и другие технологии ИИ на полную мощность. Преврати свои теоретические знания в практические навыки и воплоти свои проекты по компьютерному зрению в жизнь с точностью и эффективностью. Присоединяйся к нашему сообществу, чтобы быть в курсе всех последних событий, а также изучай нашу документацию, чтобы узнать больше! 

Смотри полное видео здесь!