8.6 KiB
| comments | description | keywords |
|---|---|---|
| true | От обучения до отслеживания - используйте все возможности YOLOv8 от Ultralytics. Получите информацию и примеры для каждого поддерживаемого режима, включая проверку, экспорт и бенчмаркинг. | Ultralytics, YOLOv8, Машинное обучение, Обнаружение объектов, Обучение, Проверка, Предсказание, Экспорт, Отслеживание, Бенчмаркинг |
Режимы Ultralytics YOLOv8
Введение
Ultralytics YOLOv8 - это не просто еще одна модель обнаружения объектов; это многофункциональная платформа, предназначенная для охвата всего жизненного цикла моделей машинного обучения - от ввода данных и обучения модели до валидации, развертывания и отслеживания в реальном мире. Каждый режим служит определенной цели и разработан, чтобы предложить вам гибкость и эффективность, необходимую для различных задач и сценариев использования.
Смотрите: Руководство по режимам Ultralytics: Обучение, Проверка, Предсказание, Экспорт и Бенчмаркинг.
Обзор режимов
Понимание различных режимов, которые поддерживает Ultralytics YOLOv8, критически важно для эффективного использования ваших моделей:
- Режим обучения (Train mode): Настройте вашу модель на пользовательские или предзагруженные наборы данных.
- Режим проверки (Val mode): Контрольная точка после обучения для валидации производительности модели.
- Режим предсказания (Predict mode): Раскройте предсказательную мощь вашей модели на данных из реального мира.
- Режим экспорта (Export mode): Подготовьте вашу модель к развертыванию в различных форматах.
- Режим отслеживания (Track mode): Расширьте вашу модель обнаружения объектов до приложений отслеживания в реальном времени.
- Режим бенчмаркинга (Benchmark mode): Проанализируйте скорость и точность вашей модели в разнообразных средах развертывания.
Это исчерпывающее руководство направлено на то, чтобы дать вам обзор и практические сведения о каждом режиме, помогая вам использовать полный потенциал YOLOv8.
Обучение (Train)
Режим обучения используется для обучения модели YOLOv8 на пользовательском наборе данных. В этом режиме модель обучается с использованием указанного набора данных и гиперпараметров. Процесс обучения включает в себя оптимизацию параметров модели, чтобы она могла точно предсказывать классы и местоположения объектов на изображении.
Примеры обучения{ .md-button }
Проверка (Val)
Режим проверки используется для валидации модели YOLOv8 после ее обучения. В этом режиме модель оценивается на наборе данных для валидации, чтобы измерить ее точность и способность к обобщению. Этот режим может быть использован для настройки гиперпараметров модели с целью улучшения ее производительности.
Примеры проверки{ .md-button }
Предсказание (Predict)
Режим предсказания используется для выполнения предсказаний с использованием обученной модели YOLOv8 на новых изображениях или видео. В этом режиме модель загружается из файла контрольной точки, и пользователь может предоставить изображения или видео для выполнения вывода. Модель предсказывает классы и местоположения объектов во входных изображениях или видео.
Примеры предсказания{ .md-button }
Экспорт (Export)
Режим экспорта используется для экспортирования модели YOLOv8 в формат, который может быть использован для развертывания. В этом режиме модель преобразуется в формат, который может быть использован другими программными приложениями или аппаратными устройствами. Этот режим полезен при развертывании модели в производственной среде.
Примеры экспорта{ .md-button }
Отслеживание (Track)
Режим отслеживания используется для отслеживания объектов в реальном времени с использованием модели YOLOv8. В этом режиме модель загружается из файла контрольной точки, и пользователь может предоставить прямую видеотрансляцию для выполнения отслеживания объектов в реальном времени. Этот режим полезен для приложений, таких как системы видеонаблюдения или беспилотные автомобили.
Примеры отслеживания{ .md-button }
Бенчмаркинг (Benchmark)
Режим бенчмаркинга используется для профилирования скорости и точности различных форматов экспорта для YOLOv8. Бенчмарки предоставляют информацию о размере экспортируемого формата, его метриках mAP50-95 (для обнаружения объектов, сегментации и позы) или метриках accuracy_top5 (для классификации), а также время вывода в миллисекундах на изображение для различных форматов экспорта, таких как ONNX, OpenVINO, TensorRT и других. Эта информация может помочь пользователям выбрать оптимальный формат экспорта для их конкретного сценария использования на основе их требований к скорости и точности.
Примеры бенчмаркинга{ .md-button }