Для фильтрации классов в режиме прогнозирования используйте параметр classes
функции predict
, где нужно указать идентификаторы соответствующих классов.
классы, список[int]. Фильтрует прогнозы по набору идентификаторов классов. Будут возвращены только обнаружения, принадлежащие указанным классам. Полезно для фокусировки на соответствующих объектах в задачах обнаружения нескольких классов. https://docs.ultralytics.com/modes/predict/#inference-arguments
Список классов для набора данных COCO можно найти здесь: https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/coco.yaml.
from ultralytics import YOLO
model = YOLO('yolov8n.pt')
results = model.predict(source='img.jpg', classes=[0, 3, 5])
Нет, неверно говорить, что «модели YOLO по умолчанию используют набор данных COCO». Кто-то, возможно, использовал YOLO и набор данных MSCOCO, а затем опубликовал эти предварительно обученные веса, чтобы каждый мог их скачать. Но это не значения по умолчанию. «По умолчанию» люди обучают свои собственные сети. Предварительно обученные MSCOCO больше подходят к вопросу «что мы можем предоставить новым пользователям, чтобы они могли протестировать что-то и увидеть какие-то результаты после установки нашей платформы».