YOLO26在Colab Python上試做畫面分割、姿態檢測與隨機狗辨識

#YOLO26 在#Colab  #opencvpython 上試做之二

[YOLO26在Colab Python上試做之1]https://www.youtube.com/watch?v=LT0q-eaCIWU

YOLO26在 Colab 上的進階應用。

影片內容時戳

00:20 - 複習與環境簡介：回顧已安裝的環境，並介紹 YOLO 模型的大小（從 Nano 到 X-Large）。

01:02 - 偵測結果儲存路徑：說明執行後結果圖片存放的文件夾位置。

01:42 - Python 語法與 Nano 模型測試：展示如何使用 Python 程式碼執行偵測，並比較 Nano 模型與較大模型的辨識速度與物件數量差異（如：Nano 辨識出 46 個物件）。

03:11 - 進階任務介紹：分割、姿態與旋轉偵測：

03:31 - 實例分割（Instant Segmentation）：描繪物體輪廓。

03:53 - 姿態檢測（Pose Estimation）：人體骨架與關節辨識。

04:07 - 旋轉框偵測（Oriented Bounding Boxes）：適用於空拍機角度的辨識。

04:40 - 實作一：圖片下載與實例分割：使用 wget 下載測試圖片，並執行分割模型。

06:20 - 實作二：人體姿態檢測：展示對影片中四個人進行姿態與關節點（眼睛、鼻子、手等）的偵測結果。

07:18 - 實作三：隨機抓取圖片進行偵測與統計：

08:04 - 程式碼說明：使用 requests 抓取網路隨機圖片，並利用 pandas 將偵測結果轉換為數據框（DataFrame）進行統計。

09:45 - 參數設定：調整信心值門檻（Confidence Threshold）至 0.3。

11:58 - 結果分析與誤判討論：展示統計報告，並討論模型可能出現的誤判情況（例如將狗誤判為鳥）。