AI学习者 · 2023年02月24日

YOLOv8官方支持多目标跟踪 | ByteTrack、BoT-SORT都已加入YOLOv8官方

image.png

模板跟踪是一项任务,涉及识别模板的位置和类别,然后为视频流中的检测分配唯一ID。跟踪器的输出与添加了模板ID的检测相同。

YOLOv8加入了哪些检测器?

以下跟踪算法已经实现,可以通过 tracker=tracker_type.yaml实现:

  • BoT-SORT - botsort.yaml
  • ByteTrack - bytetrack.yaml

默认跟踪器为:BoT-SORT

Tracking

将训练好的 YOLOv8n/YOLOv8n-seg model加入到不同的跟踪器之中里进行视频流的检测和跟踪。

示例1

`from ultralytics import YOLO  
          
# Load a model  
model = YOLO("yolov8n.pt")  # load an official detection model  
model = YOLO("yolov8n-seg.pt")  # load an official segmentation model  
model = YOLO("path/to/best.pt")  # load a custom model  
          
# Track with the model  
results = model.track(source="https://youtu.be/Zgi9g1ksQHc", show=True)   
results = model.track(source="https://youtu.be/Zgi9g1ksQHc", show=True, tracker="bytetrack.yaml")   
`

命令行如下

`yolo track model=yolov8n.pt source="https://youtu.be/Zgi9g1ksQHc"  # official detection model  
yolo track model=yolov8n-seg.pt source=...   # official segmentation model  
yolo track model=path/to/best.pt source=...  # custom model  
yolo track model=path/to/best.pt  tracker="bytetrack.yaml" # bytetrack tracker  
`

与上述用法一样,YOLOv8支持用于跟踪的检测和分割模型,只需加载相应的(检测或分割)模型即可。

配置

跟踪

跟踪与预测共享配置,即“conf”、“iou”、“show”。更多配置请参考 predict page。

示例1

`from ultralytics import YOLO  
          
model = YOLO("yolov8n.pt")  
results = model.track(source="https://youtu.be/Zgi9g1ksQHc", conf=0.3, iou=0.5, show=True)   
`

命令行如下

`yolo track model=yolov8n.pt source="https://youtu.be/Zgi9g1ksQHc" conf=0.3, iou=0.5 show  
`

跟踪器

YOLOv8还支持使用修改的跟踪器配置文件,只需复制一个配置文件即可,比如复制 custom_tracker.yaml ultralytics/tracker/cfg并修改配置(比如 tracker_type)。

示例2

`from ultralytics import YOLO  
          
model = YOLO("yolov8n.pt")  
results = model.track(source="https://youtu.be/Zgi9g1ksQHc", tracker='custom_tracker.yaml')   
`

命令行如下

`yolo track model=yolov8n.pt source="https://youtu.be/Zgi9g1ksQHc" tracker='custom_tracker.yaml'  
`

具体可以参考ultralytics/tracker/cfg。

参考

[1].https://github.com/ultralytics/ultralytics

作者:小书童
文章来源:集智书童

推荐阅读

更多嵌入式AI干货请关注嵌入式AI专栏。欢迎添加极术小姐姐微信(id:aijishu20)加入技术交流群,请备注研究方向。
推荐阅读
关注数
18808
内容数
1351
嵌入式端AI,包括AI算法在推理框架Tengine,MNN,NCNN,PaddlePaddle及相关芯片上的实现。欢迎加入微信交流群,微信号:aijishu20(备注:嵌入式)
目录
极术微信服务号
关注极术微信号
实时接收点赞提醒和评论通知
安谋科技学堂公众号
关注安谋科技学堂
实时获取安谋科技及 Arm 教学资源
安谋科技招聘公众号
关注安谋科技招聘
实时获取安谋科技中国职位信息