YOLOv8(Object Detection)

نویسنده: تیم تحریریه
تاریخ انتشار: 13 بهمن 1402

 (You Only Look Once)  Yolo 

Yolo یک الگوریتم پیشرفته تشخیص شیء به شکل بلادرنگ است که در سال 2015 جوزف ردمون (Joseph Redmon) ،سانتوش دیوالا (Santosh Divvala)، راس گیرشیک (Ross Girshick) و علی فرهادی (Ali Farhadi) در مقاله تحقیقاتی معروف  “You Only Look Once, Unified, Real-Time Object Detection” آن را معرفی کردند.

YOLOv8

Ultralytics YOLOv8 یک مدل پیشرفته , (model state-of-the-art ) است که براساس نسخه های قبلی yolo ساخته شده و ویژگی ها و پیشرفت های جدید و بهتری را برای انعطاف پذیری و عملکرد بالا معرفی می کند. از ویژگی های مهم Yolov8  , Yolo  میتوان به موارد زیر اشاره کرد که این مدل را به انتخاب مناسبی برای تشخیص و ردیابی اشیاء، سگمنت اشیاء، طبقه بندی تصویر و تشخیص حالت بدن انسان (HBPR,HBPE) تبدیل کرده است:
  • سرعت (Speed)
  • دقت تشخیص (Detection Accuracy)
  • تعمیم خوب (Good Generalization)
  • متن‌بازبودن (Open-source)
  در ادامه عملکرد  Yolov8 و نسخه های دیگر در بخش های مختلف  Detection - Classification  Segmentation -  Pose  بررسی میشود. طبق آمار سایت و گیت هاب مقایسه Yolo v8 با سایر نسخه های Yolo با این نمودار نشان داده شده است:  

Detection Yolov8

تشخیص اشیاء موقعیت شیء در تصویر را پیدا کرده و کلاس مربوط به آن را نیز پیش بینی میکند. خروجی این تسک مجموعه ای از مختصات اشیاء (bounding boxes) و لیبل کلاس نظیرشان است و برای موقعیت هایی که نیازی نیست کلاس مربوط به هر پیکسل تصویر را بدانیم و موقعیت تقریبی شیء مهم باشد انتخاب مناسبی است.  

                                               آمار و دقت انواع مدل های  Yolov8 در Detection                                      

مدل های تشخیص Yolov8  مدلهای پیش فرض Yolo هستند که بر روی دیتاست COCO ترین شده اند مثال :    yolov8n.pt

Detection Training  

دستور آموزش مدل Yolov8n با epoch = 100 , img_size = 640px  روی دیتاست COCO128 :

Detection Validation 

دستور ارزیابی مدل ترین شده :  

  Detection Prediction

 

 Detection Export 

مدل آموزش دیده شده Yolov8 را در فرمت های مختلف ONNX, CoreML  میتوان خروجی گرفت.

     Formats

فرمت هایی که در Yolov8  میتوان مدل را خروجی گرفت طبق جدول زیر است:    در نمونه زیر مدل Yolov8 روی دیتاست پلاک به عنوان تست آموزش دیده شده و دقت و نمودار های ترین آورده شده است :‌     سوالات : سوال 1 )  مدل YOLOv8 را به کدامیک از فرمت های زیر نمیتوان خروجی گرفت ؟ الف ) ONNX       ب ) OpenVINO    ج ) TensorRT    د ) TFGraphDef جواب : د سوال 2 ) کدامیک از تسک های زیر توسط YOLOv8 پشتیبانی میشود ؟ الف ) Pose   ب ) Segmentation   ج ) Detection  د ) تمامی موارد جواب : د سوال 3) کدامیک از موارد زیر تعریف درستی از الگوریتم YOLO  را نشان می دهد ؟ الف )  الگوریتم تولید عکس و متن . ب ) الگوریتم تشخیص اشیأ ج ) نوعی از الگوریتم های سری زمانی د )  نوعی الگوریتم مسیریابی جواب : گزینه ب ) الگوریتم YOLO از دسته الگوریتم های Object Detection هست .