多目标跟踪数据集概述

数据集格式（即将推出）

多目标检测器不需要单独的训练，直接支持预训练的检测、分割或姿态模型。单独训练跟踪器的支持即将推出。

使用方法

from ultralytics import YOLO

model = YOLO("yolo11n.pt")
results = model.track(source="https://youtu.be/LNwODJXcvt4", conf=0.3, iou=0.5, show=True)

yolo track model=yolo11n.pt source="https://youtu.be/LNwODJXcvt4" conf=0.3, iou=0.5 show

常见问题

如何使用Ultralytics YOLO进行多目标跟踪？

要使用Ultralytics YOLO进行多目标跟踪，您可以从提供的Python或CLI示例开始。以下是您如何开始的方法：

from ultralytics import YOLO

model = YOLO("yolo11n.pt")  # 加载YOLO11模型
results = model.track(source="https://youtu.be/LNwODJXcvt4", conf=0.3, iou=0.5, show=True)

yolo track model=yolo11n.pt source="https://youtu.be/LNwODJXcvt4" conf=0.3 iou=0.5 show

这些命令加载YOLO11模型，并使用它对给定视频源中的对象进行跟踪，具有特定的置信度（conf）和交并比（iou）阈值。更多详情，请参阅跟踪模式文档。

Ultralytics即将推出的训练跟踪器功能有哪些？

Ultralytics正在不断增强其AI模型。即将推出的功能将启用单独的跟踪器训练。在此之前，多目标检测器利用预训练的检测、分割或姿态模型进行跟踪，无需单独训练。请通过关注我们的博客或查看即将推出的功能来保持更新。

为什么我应该使用Ultralytics YOLO进行多目标跟踪？

Ultralytics YOLO是一种先进的目标检测模型，以其实时性能和高准确性而闻名。使用YOLO进行多目标跟踪具有以下几个优势：

• 实时跟踪： 实现高效且高速的跟踪，非常适合动态环境。
• 灵活使用预训练模型： 无需从头开始训练；只需使用预训练的检测、分割或姿态模型。
• 易于使用： 简单的API集成，支持Python和CLI，使设置跟踪管道变得简单。
• 广泛的文档和社区支持： Ultralytics提供全面的文档和活跃的社区论坛，以解决疑难问题并增强您的跟踪模型。

有关设置和使用YOLO进行跟踪的更多详情，请访问我们的跟踪使用指南。

我可以使用自定义数据集进行Ultralytics YOLO的多目标跟踪吗？

是的，您可以使用自定义数据集进行Ultralytics YOLO的多目标跟踪。虽然单独的跟踪器训练支持是一个即将推出的功能，但您已经可以使用预训练模型在您的自定义数据集上进行操作。准备与YOLO兼容的适当格式的数据集，并按照文档进行集成。

如何解释Ultralytics YOLO跟踪模型的结果？

在运行Ultralytics YOLO的跟踪任务后，结果包括各种数据点，如跟踪对象的ID、它们的边界框和置信度分数。以下是解释这些结果的简要概述：

• 跟踪ID： 每个对象被分配一个唯一的ID，有助于跨帧跟踪。
• 边界框： 这些指示跟踪对象在帧中的位置。
• 置信度分数： 这些反映模型检测跟踪对象的置信度。

有关解释和可视化这些结果的详细指导，请参阅结果处理指南。

📅 Created 11 months ago ✏️ Updated 13 days ago

Comments