使用Ultralytics YOLOv8进行目标检测

指南 September 26, 2024

这是我们系列文章的一部分，重点介绍Label Studio与Ultralytics YOLO的集成。

YOLO模型最受欢迎的任务之一是边界框检测，也称为"目标检测"。Label Studio通过RectangleLabels控制标签支持此功能。同时也支持YOLO OBB（定向边界框）。要快速了解此集成在Label Studio中的工作原理，请观看以下短视频：

要开始这个YOLO任务，首先您需要安装ML后端并连接您的YOLO模型。如果需要帮助，这里有一个快速入门指南。

安装好模型后，您需要在Label Studio中创建一个新项目，并使用以下标注配置：

<View>
  <Image name="image" value="$image"/>
  <RectangleLabels name="label" toName="image" model_score_threshold="0.25" opacity="0.1">
    <Label value="Person" background="red"/>
    <Label value="Car" background="blue"/>
  </RectangleLabels>
</View>

您可以在标注配置中使用以下参数来定制您的标注体验：

参数	类型	默认值	描述
model_score_threshold	float	0.5	设置检测结果的最小置信度阈值。置信度低于此阈值的检测对象将被忽略。调整此值有助于减少误报。
model_path	string	None	自定义YOLO模型的路径。更多信息请参阅"您自己的自定义YOLO模型"部分。
model_obb	bool	False	启用定向边界框(OBB)模式。通常使用*-obb.pt yolo模型。

例如：

<RectangleLabels name="label" toName="image" model_score_threshold="0.25" model_path="my_model.pt">

就是这样！现在您应该可以在数据管理器中打开未标注的图像，您的YOLO模型会自动为图像生成标注，您可以根据实际使用场景选择接受、拒绝或修改这些标注。请持续关注，我们将继续介绍Label Studio中通过YOLOv8实现的其他功能。

使用Ultralytics YOLOv8进行目标检测

相关内容