Að taka upp Yolov8: Viral Computer Vision Masterpiece Ultralytics

Hingað til, hlutgreining í myndum með tölvusjónarlíkön stóð frammi fyrir meiriháttar vegatálma með nokkurra sekúndna töf vegna vinnslutíma. Þessi seinkun hindraði hagnýta notkun í notkunartilvikum eins og sjálfstætt akstri. Hins vegar hefur útgáfa YOLOv8 tölvusjón líkansins frá Ultralytics brotist í gegnum seinkun á vinnslu. Nýja líkanið getur greint hluti í rauntíma með óviðjafnanlega nákvæmni og hraða, sem gerir það vinsælt í tölvusjónrými.

Þessi grein kannar YOLOv8, getu þess og hvernig þú getur fínstillt og búið til þín eigin líkön í gegnum opinn uppspretta Github geymsluna.

Yolov8 útskýrði

Yolo (You Only Live Once) er vinsæl tölvusjón líkan sem getur greina og skipta hlutum í myndum. Módelið hefur farið í gegnum nokkra uppfærslur í fortíðinni, með YOLOv8 sem merkir 8. útgáfuna.

Eins og staðan er, byggir YOLOv8 á getu fyrri útgáfur með því að kynna öfluga nýja eiginleika og endurbætur. Þetta gerir kleift að greina hluti í rauntíma í mynd- og myndbandsgögnum með aukinni nákvæmni og nákvæmni.

Frá v1 til v8: Stutt saga

Yolov1: Gefin út árið 2015, fyrsta útgáfan af YOLO var kynnt sem eins þrepa hlutgreiningarlíkan. Eiginleikar fólu í sér að líkanið las alla myndina til að spá fyrir um hvern afmörkun í einu mati.

Yolov2: Næsta útgáfa, sem gefin var út árið 2016, sýndi framúrskarandi árangur á viðmiðum eins og PASCAL VOC og COCO og starfar á miklum hraða (67-40 FPS). Það gæti líka greint nákvæmlega yfir 9000 hlutaflokka, jafnvel með takmörkuðum sértækum greiningargögnum.

Yolov3: Yolov2018 var hleypt af stokkunum árið 3 og kynnti nýja eiginleika eins og áhrifaríkara burðarnet, mörg akkeri og staðbundna pýramídasamruna til að draga út eiginleika í mörgum mælikvarða.

Yolov4: Með útgáfu Yolov4 árið 2020 var nýja Mosaic gagnaaukningatæknin kynnt, sem bauð upp á bætta þjálfunargetu.

Yolov5: Yolov2021, sem kom út árið 5, bætti við öflugum nýjum eiginleikum, þar á meðal fínstillingu ofraparameters og samþættri tilraunarannsókn.

Yolov6: Með útgáfu Yolov6 árið 2022 var líkanið opið til að stuðla að samfélagsdrifinni þróun. Nýir eiginleikar voru kynntir, svo sem ný sjálfeimingaraðferð og AAT-þjálfun (Anchor-Aided Training).

Yolov7: Yolov2022, sem kom út sama ár, 7, bætti núverandi líkan hvað varðar hraða og nákvæmni og var hraðskreiðasta hlutskynjunarlíkanið þegar það kom út.

Hvað gerir YOLOv8 áberandi?

Óviðjafnanleg nákvæmni og mikill hraði YOLOv8 gera tölvusjónarlíkanið áberandi frá fyrri útgáfum. Þetta er stórkostlegt afrek þar sem nú er hægt að greina hluti í rauntíma án tafa, ólíkt fyrri útgáfum.

En fyrir utan þetta kemur YOLOv8 pakkað með öflugum möguleikum, sem fela í sér:

1. Sérhannaðar arkitektúr: YOLOv8 býður upp á sveigjanlegan arkitektúr sem forritarar geta sérsniðið til að passa sérstakar kröfur þeirra.
2. Aðlögunarhæf þjálfun: Nýr aðlögunarhæfni YOLOv8 þjálfunargetu, svo sem jafnvægi á tapvirkni við þjálfun og tækni, bætir námshraðann. Tökum Adam, sem stuðlar að betri nákvæmni, hraðari samleitni og almennt betri frammistöðu líkans.
3. Ítarleg myndgreining: Með nýjum merkingarþáttum og flokkaspámöguleikum getur líkanið greint athafnir, lit, áferð og jafnvel tengsl milli hluta fyrir utan kjarna hlutgreiningarvirkni þess.
4. Gagnaaukning: Ný gagnaaukningartækni hjálpar til við að takast á við þætti myndbreytinga eins og lágupplausn, lokun osfrv., í raunverulegum hlutaskynjunaraðstæðum þar sem aðstæður eru ekki ákjósanlegar.
5. Stuðningur við bakbein: YOLOv8 býður upp á stuðning fyrir mörg burðarás, þar á meðal CSPDarknet (sjálfgefin burðarás), EfficientNet (létt burðarás) og ResNet (klassísk burðarás), sem notendur geta valið úr.

Notendur geta jafnvel sérsniðið burðarásina með því að skipta út CSPDarknet53 fyrir hvaða CNN arkitektúr sem er samhæfður inntaks- og úttaksvíddum YOLOv8.

Þjálfun og fínstilling YOLOv8

YOLOv8 líkanið er annað hvort hægt að fínstilla til að passa ákveðnum notkunartilfellum eða vera þjálfað algjörlega frá grunni til að búa til sérhæft líkan. Nánari upplýsingar um þjálfunarferlið er að finna í opinber skjöl.

Við skulum kanna hvernig þú getur framkvæmt báðar þessar aðgerðir.

Fínstilla YOLOV8 með sérsniðnu gagnasetti

Fínstillingaraðgerðin hleður inn fyrirliggjandi líkan og notar sjálfgefna þyngd þess sem upphafspunkt fyrir þjálfun. Innsæislega séð man líkanið alla fyrri þekkingu sína og fínstillingaraðgerðin bætir við nýjum upplýsingum með því að fínstilla lóðin.

Hægt er að fínstilla YOLOv8 líkanið með Python kóðanum þínum eða í gegnum skipanalínuviðmótið (CLI).

1. Fínstilltu YOLOv8 líkan með Python

Byrjaðu á því að flytja Ultralytics pakkann inn í kóðann þinn. Hladdu síðan sérsniðnu líkaninu sem þú vilt þjálfa með því að nota eftirfarandi kóða:

Fyrst skaltu setja upp Ultralytics bókasafnið frá opinberu dreifingunni.

Næst skaltu framkvæma eftirfarandi kóða í Python skrá:

Sjálfgefið er að kóðinn þjálfar líkanið með því að nota COCO gagnasafnið fyrir 100 tímabil. Hins vegar geturðu líka stillt þessar stillingar til að stilla stærð, tímabil osfrv., í YAML skrá.

Þegar þú hefur þjálfað líkanið með stillingunum þínum og gagnaslóð skaltu fylgjast með framvindu, prófa og stilla líkanið og halda áfram að endurþjálfa þar til tilætluðum árangri er náð.

2. Fínstilltu YOLOv8 líkan með því að nota CLI

Til að þjálfa líkan með því að nota CLI skaltu keyra eftirfarandi skriftu í skipanalínunni:

CLI skipunin hleður forþjálfaða `yolov8n.pt` líkaninu og þjálfar það frekar á gagnasafninu sem skilgreint er í `coco8.yaml` skránni.

Búðu til þína eigin líkan með YOLOv8

Það eru í meginatriðum 2 leiðir til að búa til sérsniðið líkan með YOLO ramma:

• Þjálfun frá grunni: Þessi aðferð gerir þér kleift að nota fyrirfram skilgreindan YOLOv8 arkitektúr en mun EKKI nota neinar fyrirfram þjálfaðar lóðir. Þjálfunin fer fram frá grunni.
• Sérsniðin arkitektúr: Þú fínstillir sjálfgefna YOLO arkitektúrinn og þjálfar nýja uppbyggingu frá grunni.

Framkvæmd beggja þessara aðferða er sú sama. Til að þjálfa YOLO líkan frá grunni skaltu keyra eftirfarandi Python kóða:

Taktu eftir að í þetta skiptið höfum við hlaðið '.yaml' skrá í stað '.pt' skrá. YAML skráin inniheldur byggingarlistarupplýsingar fyrir líkanið og engar lóðir eru hlaðnar. Þjálfunarskipunin mun byrja að þjálfa þetta líkan frá grunni.

Til að þjálfa sérsniðna arkitektúr verður þú að skilgreina sérsniðna uppbyggingu í '.yaml' skrá svipað og 'yolov8n.yaml' hér að ofan. Síðan hleður þú þessari skrá og þjálfar líkanið með því að nota sama kóða og hér að ofan.

Til að læra meira um hlutgreiningu með því að nota gervigreind og til að vera upplýst um nýjustu gervigreindarstraumana skaltu heimsækja sameina.ai.