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.
Phần 1: object detection
Bài 1.1: Khám Phá YOLOv8: Bước Đột Phá Trong Phát Hiện Đối Tượng
Bài viết giới thiệu về YOLO v8, so sánh với các giải thuật khác/công nghệ khác thế nào trước khi chọn YOLO v8 cho bài toán của mình.
Bài 1.2: hướng dẫn sử dụng phần mềm test YOLO v8 – 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.
Bài 1.3: Phát hiện xe trên đường cao tốc bằng Yolov8
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.
Bài 1.4: Hướng dẫn lập trình đa luồng ứng dụng YOLOv8
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
Bài 1.5: Hướng dẫn training custom model YOLO v8 để đếm xe trên đường cao tốc
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 1.6: tích hợp YOLO v8 vào RESTful API (Django + JS)
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.
Phần 2: Instance segmentation
Mục tiêu của Instance segmentation là để xác định chính xác các vật thể không phải đa giác lồi như đếm tôm:
Bài 2.1 Hướng dẫn đánh nhãn dữ liệu Instance segmentation cho YOLO v8 bằng tool YOLO polygon trên Windows
Bài 2.2: Object segmentation bằng YOLO v8
Bài 2.2: 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.
Bài 2.3: Hướng dẫn train custom model Instance Segmentation hình ảnh tôm bằng YOLO v8
Hướng dẫn training Shirmp segmentation để đếm tôm. Với hình dạng không cố định, chồng chập lẫn nhau thì segmentation là thuật toán phù hợp nhất. Bài viết cung cấp sẵn dataset và công cụ để các bạn training nhanh chóng.
Bài 2.4: Hướng dẫn sử dụng tool YOLOSEGMENT – Phần mềm phân đoạn vật thể
YOLOSEGMENT là công cụ kiểm tra kết quả quá trình huấn luyện segmentation. YOLOSEGMENT viết bằng Winform .NET framework 4.7.2, ngôn ngữ lập trình là C#, chạy trên Windows 10 x64.
Bài 2.5: Hướng dẫn tích hợp YOLO v8 vào ứng dụng Windows Form
Hướng dẫn tích hợp YOLO v8 vào ứng dụng Windows Form .NET framework C# để tạo ứng dụng thân thiện với người dùng.
Phần 3: Pose Esimation
Bài 3.1 Hướng dẫn đánh nhãn Pose Estimation bằng tool YOLO Marker
Bài 3.2 Hướng dẫn training Pose Estimation
Bài 3.3 Hướng dẫn sử dụng tool YOLO pose để test kết quả model Pose Estimation