Recorte de Objetos usando Ultralytics YOLO11

O que é o Recorte de Objetos?

O recorte de objetos com Ultralytics YOLO11 envolve o isolamento e a extração de objetos detectados específicos de uma imagem ou vídeo. Os recursos do modelo YOLO11 são utilizados para identificar e delinear objetos com precisão, permitindo o recorte preciso para análise ou manipulação posterior.

Assista: Recorte de Objetos usando Ultralytics YOLO

Vantagens do Recorte de Objetos

• Análise Focada: YOLO11 facilita o recorte de objetos direcionados, permitindo o exame aprofundado ou o processamento de itens individuais dentro de uma cena.
• Volume de Dados Reduzido: Ao extrair apenas objetos relevantes, o recorte de objetos ajuda a minimizar o tamanho dos dados, tornando-o eficiente para armazenamento, transmissão ou tarefas computacionais subsequentes.
• Precisão Aprimorada: A precisão de detecção de objetos do YOLO11 garante que os objetos recortados mantenham suas relações espaciais, preservando a integridade das informações visuais para análise detalhada.

Visuais

Bagagem de Aeroporto
Recorte de malas na esteira do aeroporto usando Ultralytics YOLO11

# Crop the objects
yolo solutions crop show=True

# Pass a source video
yolo solutions crop source="path/to/video.mp4"

# Crop specific classes
yolo solutions crop classes="[0, 2]"

import cv2

from ultralytics import solutions

cap = cv2.VideoCapture("path/to/video.mp4")
assert cap.isOpened(), "Error reading video file"

# Initialize object cropper object
cropper = solutions.ObjectCropper(
    show=True,  # display the output
    model="yolo11n.pt",  # model for object cropping i.e yolo11x.pt.
    classes=[0, 2],  # crop specific classes i.e. person and car with COCO pretrained model.
    # conf=0.5,  # adjust confidence threshold for the objects.
    # crop_dir="cropped-detections",  # set the directory name for cropped detections
)

# Process video
while cap.isOpened():
    success, im0 = cap.read()

    if not success:
        print("Video frame is empty or processing is complete.")
        break

    results = cropper(im0)

    # print(results)  # access the output

cap.release()
cv2.destroyAllWindows()  # destroy all opened windows

ObjectCropper Argumentos

Aqui está uma tabela com o ObjectCropper argumentos:

Além disso, os seguintes argumentos de visualização estão disponíveis para uso:

FAQ

O que é o recorte de objetos em Ultralytics YOLO11 e como funciona?

O recorte de objetos usando Ultralytics YOLO11 envolve o isolamento e a extração de objetos específicos de uma imagem ou vídeo com base nos recursos de detecção do YOLO11. Este processo permite uma análise focada, redução do volume de dados e precisão aprimorada, aproveitando o YOLO11 para identificar objetos com alta precisão e recortá-los de acordo. Para um tutorial detalhado, consulte o exemplo de recorte de objetos.

Por que devo usar Ultralytics YOLO11 para recorte de objetos em vez de outras soluções?

Ultralytics YOLO11 se destaca por sua precisão, velocidade e facilidade de uso. Ele permite a detecção e o recorte de objetos detalhados e precisos, essenciais para análise focada e aplicações que necessitam de alta integridade de dados. Além disso, o YOLO11 se integra perfeitamente com ferramentas como OpenVINO e TensorRT para implantações que exigem recursos em tempo real e otimização em diversos hardwares. Explore os benefícios no guia sobre exportação de modelo.

Como posso reduzir o volume de dados do meu conjunto de dados usando o recorte de objetos?

Ao usar o Ultralytics YOLO11 para recortar apenas objetos relevantes de suas imagens ou vídeos, você pode reduzir significativamente o tamanho dos dados, tornando-o mais eficiente para armazenamento e processamento. Este processo envolve treinar o modelo para detectar objetos específicos e, em seguida, usar os resultados para recortar e salvar apenas essas porções. Para obter mais informações sobre como explorar os recursos do Ultralytics YOLO11, visite nosso guia de início rápido.

Posso usar Ultralytics YOLO11 para análise de vídeo em tempo real e recorte de objetos?

Sim, o Ultralytics YOLO11 pode processar feeds de vídeo em tempo real para detetar e recortar objetos dinamicamente. As capacidades de inferência de alta velocidade do modelo tornam-no ideal para aplicações em tempo real, como vigilância, análise desportiva e sistemas de inspeção automatizados. Consulte os modos de rastreamento e previsão para entender como implementar o processamento em tempo real.

Quais são os requisitos de hardware para executar eficientemente o YOLO11 para recorte de objetos?

Ultralytics YOLO11 é otimizado para ambientes de CPU e GPU, mas para obter o desempenho ideal, especialmente para inferência em tempo real ou de alto volume, uma GPU dedicada (por exemplo, NVIDIA Tesla, série RTX) é recomendada. Para implantação em dispositivos leves, considere usar CoreML para iOS ou TFLite para Android. Mais detalhes sobre dispositivos e formatos suportados podem ser encontrados em nossas opções de implantação de modelo.

📅 Criado há 1 ano ✏️ Atualizado há 3 meses

Comentários