Il rilevamento degli oggetti ottiene un nuovo aggiornamento con YOLO v8
 
You Only Look Once ( YOLO ) è una delle architetture modello più note per aver dominato lo spazio della visione artificiale. Il suo algoritmo di rilevamento degli oggetti è rinomato per i rapidi risultati di elaborazione delle immagini e la maggiore precisione. L’algoritmo YOLO si sforza di prevedere la classe di un oggetto e il riquadro di delimitazione che individua la sua posizione sull’immagine di input.

Diverse iterazioni di YOLO sono state rilasciate da quando Joseph Redmon lo ha introdotto per la prima volta nel 2015; il più attuale è stato creato dalla piattaforma AI Ultralytics , che ha realizzato anche le versioni YOLO v3 e YOLO v5 . 

Informazioni su YOLO v8:

 
YOLO v8 è un modello all’avanguardia, all’avanguardia e dotato di nuove funzionalità per migliorare le prestazioni e la versatilità. Afferma di essere più veloce, preciso per una migliore rilevazione degli oggetti, segmentazione delle immagini e classificazione. 

Costruito su PyTorch , sia la CPU che la GPU lo supportano. YOLO v8 ottiene punteggi più alti il ​​64% delle volte se confrontato con YOLO v5. Tutti i modelli YOLO v8 sono preaddestrati. I modelli di classificazione sono preaddestrati sul set di dati ImageNet, mentre i modelli di rilevamento e segmentazione sono preaddestrati sul set di dati COCO.

 

YOLO v8 può ora essere utilizzato sia in modo indipendente attraverso il terminale sia come parte di estese applicazioni di visione artificiale, grazie alla nuova API YOLOv8 . L’interfaccia della riga di comando con YOLO v8 consente di addestrare, convalidare o dedurre modelli su varie attività e versioni. La CLI non necessita di alcuna codifica o personalizzazione; tutte le attività sono accessibili tramite il terminale. L’SDK YOLO v8 ha un modello Python e un’interfaccia trainer, quindi puoi utilizzare il modello YOLO all’interno di uno script Python personalizzato. Questa è una nuova aggiunta, poiché in precedenza poteva essere eseguita solo eseguendo un fork del repository e alterando il proprio codice.

Puoi installare YOLO v8 dal sorgente GitHub o tramite pip.

Di ihal

Utilizzando il sito, accetti l'utilizzo dei cookie da parte nostra. maggiori informazioni

Questo sito utilizza i cookie per fornire la migliore esperienza di navigazione possibile. Continuando a utilizzare questo sito senza modificare le impostazioni dei cookie o cliccando su "Accetta" permetti il loro utilizzo.

Chiudi