Link to this sectionInstanzsegmentierung und Tracking mit Ultralytics YOLO26 🚀#

Link to this sectionWas ist Instanzsegmentierung?#

Instanzsegmentierung ist eine Computer-Vision-Aufgabe, bei der einzelne Objekte in einem Bild auf Pixelebene identifiziert und umrissen werden. Im Gegensatz zur semantischen Segmentierung, die Pixel nur nach Kategorien klassifiziert, bezeichnet die Instanzsegmentierung jede Objektinstanz eindeutig und grenzt sie präzise ab. Dies ist entscheidend für Anwendungen, die ein detailliertes räumliches Verständnis erfordern, wie etwa in der medizinischen Bildgebung, beim autonomen Fahren und in der industriellen Automatisierung.

Ultralytics YOLO26 bietet leistungsstarke Funktionen für die Instanzsegmentierung, die eine präzise Erkennung von Objektgrenzen ermöglichen, während die Geschwindigkeit und Effizienz beibehalten werden, für die YOLO-Modelle bekannt sind.

Es gibt zwei Arten des Instanzsegmentierungs-Trackings im Ultralytics-Paket:

• Instanzsegmentierung mit Klassenobjekten: Jedem Klassenobjekt wird für eine klare visuelle Trennung eine eindeutige Farbe zugewiesen.

• Instanzsegmentierung mit Objekt-Tracks: Jeder Track wird durch eine eigene Farbe dargestellt, was die Identifizierung und Verfolgung über Videoframes hinweg erleichtert.

Link to this sectionStichproben#

Instanzsegmentierung	Instanzsegmentierung + Objekt-Tracking
Ultralytics Instanzsegmentierung 😍	Ultralytics Instanzsegmentierung mit Objekt-Tracking 🔥

Link to this sectionSegmentiere und verfolge mit YOLO26#

Die InstanceSegmentation-Lösung führt auf jedem Frame ein YOLO26-Segmentierungsmodell aus, zeichnet Masken pro Objekt und färbt jede Instanz separat ein, damit du einzelne Objekte in einem Video verfolgen kannst. Lade ein -seg-Modell und führe es anschließend über die Python API oder das CLI mit deiner Quelle aus.

# Instance segmentation using Ultralytics YOLO26
yolo solutions isegment show=True

# Pass a source video
yolo solutions isegment source="path/to/video.mp4"

# Monitor the specific classes
yolo solutions isegment classes="[0, 5]"

Link to this sectionInstanceSegmentation-Argumente#

Hier ist eine Tabelle mit den InstanceSegmentation-Argumenten:

Du kannst auch track-Argumente innerhalb der InstanceSegmentation-Lösung nutzen:

Darüber hinaus sind die folgenden Visualisierungsargumente verfügbar:

Link to this sectionAnwendungen der Instanzsegmentierung#

Die Instanzsegmentierung mit YOLO26 hat zahlreiche reale Anwendungen in verschiedenen Branchen:

Link to this sectionAbfallwirtschaft und Recycling#

YOLO26 kann in Abfallentsorgungsanlagen eingesetzt werden, um verschiedene Materialarten zu identifizieren und zu sortieren. Das Modell kann Kunststoffabfälle, Pappe, Metall und andere Wertstoffe mit hoher Präzision segmentieren, wodurch automatisierte Sortiersysteme Abfälle effizienter verarbeiten können. Dies ist besonders wertvoll, wenn man bedenkt, dass nur etwa 10 % der weltweit anfallenden 7 Milliarden Tonnen Kunststoffabfälle recycelt werden.

Link to this sectionAutonome Fahrzeuge#

Bei selbstfahrenden Autos hilft die Instanzsegmentierung dabei, Fußgänger, Fahrzeuge, Verkehrsschilder und andere Straßenelemente auf Pixelebene zu identifizieren und zu verfolgen. Dieses präzise Verständnis der Umgebung ist entscheidend für Navigations- und Sicherheitsentscheidungen. Die Echtzeitleistung von YOLO26 macht es ideal für diese zeitkritischen Anwendungen.

Link to this sectionMedizinische Bildgebung#

Die Instanzsegmentierung kann Tumore, Organe oder Zellstrukturen in medizinischen Scans identifizieren und umreißen. Die Fähigkeit von YOLO26, Objektgrenzen präzise abzugrenzen, macht es wertvoll für medizinische Diagnostik und Behandlungsplanung.

Link to this sectionÜberwachung von Baustellen#

Auf Baustellen kann die Instanzsegmentierung schwere Maschinen, Arbeiter und Materialien verfolgen. Dies trägt zur Sicherheit bei, indem die Positionen der Geräte überwacht und erkannt wird, wenn Arbeiter gefährliche Bereiche betreten, während gleichzeitig der Arbeitsablauf und die Ressourcenzuweisung optimiert werden.

Link to this sectionFAQ#

Link to this sectionWie führe ich eine Instanzsegmentierung mit Ultralytics YOLO26 durch?#

Um eine Instanzsegmentierung mit Ultralytics YOLO26 durchzuführen, initialisiere das YOLO-Modell mit einer Segmentierungsversion von YOLO26 und verarbeite Videoframes damit. Hier ist ein vereinfachtes Code-Beispiel:

import cv2

from ultralytics import solutions

cap = cv2.VideoCapture("path/to/video.mp4")
assert cap.isOpened(), "Error reading video file"

# Video writer
w, h, fps = (int(cap.get(x)) for x in (cv2.CAP_PROP_FRAME_WIDTH, cv2.CAP_PROP_FRAME_HEIGHT, cv2.CAP_PROP_FPS))
video_writer = cv2.VideoWriter("instance-segmentation.avi", cv2.VideoWriter_fourcc(*"mp4v"), fps, (w, h))

# Init InstanceSegmentation
isegment = solutions.InstanceSegmentation(
    show=True,  # display the output
    model="yolo26n-seg.pt",  # model="yolo26n-seg.pt" for object segmentation using YOLO26.
)

# Process video
while cap.isOpened():
    success, im0 = cap.read()
    if not success:
        print("Video frame is empty or processing is complete.")
        break
    results = isegment(im0)
    video_writer.write(results.plot_im)

cap.release()
video_writer.release()
cv2.destroyAllWindows()

Erfahre mehr über Instanzsegmentierung im Ultralytics YOLO26-Leitfaden.

Link to this sectionWas ist der Unterschied zwischen Instanzsegmentierung und Objekt-Tracking in Ultralytics YOLO26?#

Instanzsegmentierung identifiziert und umreißt einzelne Objekte innerhalb eines Bildes und gibt jedem Objekt ein eindeutiges Label und eine Maske. Objekt-Tracking erweitert dies, indem Objekten über Videoframes hinweg konsistente IDs zugewiesen werden, was eine kontinuierliche Verfolgung derselben Objekte über die Zeit ermöglicht. Kombiniert, wie in der Implementierung von YOLO26, erhältst du leistungsstarke Funktionen zur Analyse von Objektbewegungen und -verhalten in Videos bei gleichzeitiger Beibehaltung präziser Grenzinformationen.

Link to this sectionWarum sollte ich Ultralytics YOLO26 für Instanzsegmentierung und Tracking gegenüber anderen Modellen wie Mask R-CNN oder Faster R-CNN verwenden?#

Ultralytics YOLO26 bietet Echtzeitleistung, überlegene Genauigkeit und Benutzerfreundlichkeit im Vergleich zu anderen Modellen wie Mask R-CNN oder Faster R-CNN. YOLO26 verarbeitet Bilder in einem einzigen Durchgang (Einstufen-Detektion), was es deutlich schneller macht und gleichzeitig eine hohe Präzision beibehält. Es bietet zudem eine nahtlose Integration in die Ultralytics Platform, wodurch Benutzer Modelle, Datensätze und Trainingspipelines effizient verwalten können. Für Anwendungen, die sowohl Geschwindigkeit als auch Genauigkeit erfordern, bietet YOLO26 ein optimales Gleichgewicht.

Link to this sectionGibt es von Ultralytics bereitgestellte Datensätze, die sich zum Training von YOLO26-Modellen für Instanzsegmentierung und Tracking eignen?#

Ja, Ultralytics bietet verschiedene Datensätze an, die sich für das Training von YOLO26-Modellen zur Instanzsegmentierung eignen, darunter COCO-Seg, COCO8-Seg (eine kleinere Teilmenge für schnelle Tests), Package-Seg und Crack-Seg. Diese Datensätze enthalten die für Instanzsegmentierungsaufgaben benötigten Annotationen auf Pixelebene. Für spezialisiertere Anwendungen kannst du auch eigene Datensätze im Ultralytics-Format erstellen. Vollständige Informationen zu Datensätzen und Anweisungen zur Verwendung findest du in der Ultralytics Datasets-Dokumentation.