YOLO v8 là thuật toán mới với độ chính xác cao, chạy nhanh & ổn định. Bài viết này tổng hợp về giải thuật, công cụ và hướng dẫn quy trình để training và xử lý các vấn đề xảy ra.
Bài 1: giới thiệu về YOLO v8
Đầu tiên, các bạn cần nắm được YOLO v8 là gì, và nó có công dụng gì, so sánh với các giải thuật khác/công nghệ khác thế nào trước khi chọn YOLO v8 cho bài toán của mình.
🔗Khám Phá YOLOv8: Bước Đột Phá Trong Phát Hiện Đối Tượng
Bài 2: sử dụng phần mềm YOLOLYTIC
Sử dụng phần mềm YOLOLYTIC v8 để trải nghiệm YOLO v8 nhanh chóng trên Windows. Thay vì dùng code Python hoặc chạy Jupyter Notebook thì phần mềm YOLOLYTIC giúp các bạn dễ dàng kết nối webcam, camera IP để test.
🔗 YOLOLYTIC – Phần mềm phát hiện vật thể mạnh mẽ và dễ sử dụng
Bài 3: phát hiện xe bằng YOLO v8
Bài viết này hướng dẫn các bạn cách sử dụng YOLO v8 bằng Python. Đồng thời hướng dẫn bạn cách thu thập hình ảnh, đánh nhãn bằng tool YOLO label và training.
🔗 Phát hiện xe trên đường cao tốc bằng Yolov8
Bài 4: lập trình đa luồng để khai thác tối đa sức mạnh của GPU
Nếu bạn chạy single thread (đơn luồng) có thể sẽ không khai thác được 100% sức mạnh của GPU. Việc lập trình đa luồng giúp bạn khai thác hiệu quả sức mạnh của GPU
🔗 Hướng dẫn lập trình đa luồng ứng dụng YOLOv8
Bài 5: đếm xe bằng YOLO v8
Sau khi phát hiện được xe, vẽ được bounding box thì mục tiêu tiếp theo là đếm được bao nhiêu xe chạy qua. Bạn sẽ biết thêm cách sử dụng ROI để giới hạn vùng hình ảnh cần xử lý.
Bài 6: tích hợp YOLO v8 vào RESTful API
Để có thể hoạt động theo mô hình client-server thì các bạn cần tích hợp vào framework hỗ trợ RESTful API như Django. Ưu điểm của mô hình client-server là xử lý và lưu trữ tập trung.
🔗 Tích hợp Yolov8 vào RESTful API (Django + JS)
Bài 7: Object segmentation bằng YOLO v8
Object segmentation sẽ hiệu quả hơn Object detection trong những bài toán có đối tượng cần tìm nằm sát bên nhau hoặc có hình thù lồi lõm. VD như vi sinh vật, tôm giống,…
Ngoài ra, YOLO v8 có thể dùng để segmentation để tính diện tích. Bài viết này hướng dẫn cách đánh nhãn bằng tool Labelme, sau đó convert sang định dạng YOLO v8 chấp nhận để training.