Canonical: https://instain.ru/fr/ai/ultralytics-yolo/ Language: fr Ultralytics Famille de modèles de vision par ordinateur # Ultralytics YOLO. Détection d'objets avec personnalisation des classes et des seuils 4.53 / 5 [Évaluation du catalogue](https://instain.ru/fr/ai/ultralytics-yolo/#editorial-rating) [Site officiel ](https://docs.ultralytics.com/modes/predict) En mode détection, le modèle renvoie des classes, des boîtes englobantes et des scores. Vous pouvez utiliser des poids préentraînés ou entraîner une variante sur un jeu de données annoté. ![Aide Ultralytics avec les paramètres du mode de prédiction](https://instain.ru/assets/images/ultralytics-yolo-screen-6fbf8233d6ab-1200.webp) Aide Ultralytics avec les paramètres du mode de prédiction. [Ouvrir la source ](https://docs.ultralytics.com/modes/predict) ## Précisez d’abord ce qu’est un objet. Pour un exercice avec une caméra d'entrepôt, demander de repérer des cartons est un point de départ. Décidez si les cartons partiellement masqués et les emballages visibles dans un reflet doivent compter. Ultralytics YOLO renvoie des boîtes englobantes, des classes et des scores. Comparez votre besoin à la liste de classes des poids choisis. Si une classe manque, vous aurez besoin de vos propres annotations et d'un test distinct après l'entraînement. ## Le seuil affecte deux types d'erreurs Prenez quelques cadres de formation avec de petits objets près du bord, des sujets similaires et une scène vide. Sur un ensemble, comparez différents seuils. Un seuil plus strict peut supprimer les faux cadres tout en masquant la détection utile. Notez les deux effets, pas seulement le nombre de déclenchements. Si la caméra fonctionne sous un éclairage différent, laissez une partie de ces images séparément. ## Comment marquer un échantillon de contrôle Définissez des règles de cadre pour un objet partiellement visible et fixez comment marquer plusieurs instances se chevauchant. Les images d'une vidéo sont presque identiques. Divisez par entrée ou date si vous voulez voir le comportement sur les nouvelles scènes. Avant l'introduction de travail, vérifiez la latence informatique, la taille d'entrée sélectionnée et la licence. Un bon exemple montre le format du résultat, mais les conditions d'utilisation et la fiabilité sont vérifiées séparément. Fixez les paramètres pour répéter les mesures plus tard. Conservez plusieurs images de contrôle à côté du résultat. ## Pour quelles tâches convient-il - Vérifier la reconnaissance des objets sur les images de test - Comparer les sauts et les cadres supplémentaires à différents seuils Fonctionnalités ## Les points forts - Il existe des modes de prédiction et d'apprentissage distincts - La documentation décrit les entrées, les seuils et les formats de résultats Il faut prendre en compte ## Limites - Le modèle pré-éduqué est limité à un ensemble de classes - Le seuil de confiance ne remplace pas l'échantillon de contrôle ## Choix et conditions Mode gratuit Oui Période d'essai Non confirmé Sans inscription Non confirmé Interface en russe Non confirmé Installation locale Oui API Non confirmé « Non confirmé » signifie que les informations disponibles ne suffisent pas. La fonctionnalité peut exister ; vérifiez les conditions du développeur. Formats d’entrée Image, Vidéo Résultat Données ### Conditions Ultralytics publie les conditions de l'AGPL et la version commerciale de la licence. Avant d'implémenter, vérifiez les conditions de code et de pondération pour votre méthode d'utilisation. Le modèle pré-enseigné se limite à un ensemble de classes. De la tâche au premier résultat ## Exemple pratique Tâche Vérifier la reconnaissance des objets sur les images de test Que préparer Cadres de formation avec des objets célèbres, des sujets similaires et une scène vide. ### Consigne ou requête Lancez le détecteur sur les mêmes images à différents seuils. Conservez les classes, les coordonnées du cadre et de l'évaluation. ### Résultat attendu Liste des cadres, des omissions et des déclenchements inutiles corrects avec indication du seuil. ### Comment vérifier le résultat - Regardez séparément les classes et les objets rares sur le bord du cadre. - Vérifiez que le personnel d'entraînement n'est pas inclus dans l'échantillon de test. Cet exemple pédagogique préparé par la rédaction décrit une tâche ; il ne présente pas le résultat d’un test personnel du service. Vérifiez la disponibilité du mode requis, les droits sur les fichiers d’origine et les conditions d’utilisation du résultat. Vérifier les détails ## Sources officielles - [Prédictions avec Ultralytics YOLO ](https://docs.ultralytics.com/modes/predict) - [Formation des modèles Ultralytics YOLO ](https://docs.ultralytics.com/modes/train) - [Conditions officielles de licence Ultralytics ](https://www.ultralytics.com/license) La description est faite à partir des matériaux du développeur. Les fonctionnalités, les prix et la disponibilité peuvent varier; vérifiez la source avant de l'utiliser. En bref sur l'outil Développeur Ultralytics Catégorie [Images](https://instain.ru/fr/category/images/) Accès Vous avez besoin de Python ou d'une ligne de commande, d'un modèle pris en charge et d'images de test. Il faudra des données et des ressources informatiques appropriées pour la formation. Paiement Ultralytics publie les conditions de l'AGPL et la version commerciale de la licence. Avant d'implémenter, vérifiez les conditions de code et de pondération pour votre méthode d'utilisation. API API non spécifiée [Termes du développeur ](https://www.ultralytics.com/license) Évaluation du catalogue 4.53 / 5 Fonctionnalités 4.60 / 5 Scénarios de travail 4.30 / 5 Écosystème 4.60 / 5 Documentation 4.60 / 5 Les points sont le repère du catalogue. Ce ne sont pas des commentaires d'utilisateurs ou le résultat de tests personnels. [Voir la méthodologie ](https://instain.ru/fr/methodology/)