Histórico
Em cenários como monitoramento de segurança e inspeção de qualidade industrial, condições de iluminação complexas e alvos densos podem fazer com que o YOLOE perca a detecção. A seguir, uma solução otimizada com base na documentação oficial:
Soluções essenciais:
- Ajuste o limite de confiança:aprovar (um projeto de lei ou inspeção etc.)
--conf 0.001O parâmetro reduz o limite padrão (geralmente 0,25) para detectar também alvos de baixa confiança - Aumentar o número máximo de detecções:fazer uso de
--max_det 1000Quebra o limite padrão de 100 quadros de detecção - Modo de sinalização combinada:Use texto duplo + dicas visuais para os principais objetivos (exemplo:
predict_text_prompt.pycombinandopredict_visual_prompt.py) - Ajuste fino do modelo:Utilizar
train_seg.pyModelo pré-treinado com base em dados de cena Ajuste fino
Otimização progressiva:
Se ainda houver um teste perdido, você poderá:
- Gerar anotações aprimoradas pelo SAM (
generate_sam_masks.py) Melhoria da precisão da segmentação - Retreinamento com grandes conjuntos de dados, como o Objects365 (requer 128 GB de memória de vídeo)
- Troca de modelos de tamanho grande (por exemplo, yoloe-v8l-seg.pt)
Essa resposta foi extraída do artigoYOLOE: uma ferramenta de código aberto para detecção de vídeo em tempo real e segmentação de objetosO
Não pode ser reproduzido sem permissão:Ferramentas de produtividade de IA " Como resolver o problema de detecção de falha de alvo do YOLOE em cenários complexos?
