Tareas de visión artificial compatibles con Ultralytics YOLO26#
Ultralytics YOLO26 es un marco de IA versátil que admite múltiples tareas de visión artificial. El marco se puede utilizar para realizar detección, segmentación, segmentación semántica, estimación de profundidad, clasificación, estimación de pose y OBB. Cada una de estas tareas tiene un objetivo y un caso de uso diferentes, lo que te permite abordar varios desafíos de visión artificial con un solo marco.
Para ver el soporte planificado de YOLO27, consulta la vista previa de YOLO27. YOLO27 llegará pronto y aún no está disponible; esta guía utiliza modelos de YOLO26 publicados.
Watch: Explore Ultralytics YOLO26 Tasks: Object Detection, Segmentation, Depth Estimation, Classification, Pose Estimation, and OBB.
Detección#
La detección es la tarea principal compatible con YOLO26. Consiste en identificar objetos en una imagen o fotograma de video y dibujar cuadros delimitadores a su alrededor. Los objetos detectados se clasifican en diferentes categorías según sus características. YOLO26 puede detectar múltiples objetos en una sola imagen o fotograma de video con alta precisión y velocidad, lo que lo hace ideal para aplicaciones en tiempo real como sistemas de vigilancia y vehículos autónomos.
Segmentación de instancias#
La segmentación lleva la detección de objetos más allá al producir máscaras a nivel de píxel para cada objeto. Esta precisión es útil para aplicaciones como imagen médica, análisis agrícola y control de calidad en la fabricación.
Segmentación semántica#
La segmentación semántica asigna una etiqueta de clase a cada píxel de una imagen, produciendo un mapa de clases denso de toda la escena. A diferencia de la segmentación de instancias, no distingue entre objetos individuales de la misma clase. Esto la hace ideal para conducción autónoma, análisis de escenas y cartografía de cobertura terrestre donde comprender la disposición espacial completa importa más que identificar objetos individuales.
Ejemplos de segmentación semántica
Estimación de profundidad#
La estimación de profundidad monocular predice un mapa de profundidad por píxel en metros a partir de una sola imagen RGB. La salida es un mapa flotante denso alineado con la imagen de entrada, lo que lo hace adecuado para la reconstrucción de escenas en 3D, la navegación de robots y aplicaciones de realidad aumentada y virtual (AR/VR) donde la disposición espacial debe inferirse a partir de una sola cámara.
Ejemplos de estimación de profundidad
Clasificación#
La clasificación consiste en categorizar imágenes completas según su contenido. Esta tarea es esencial para aplicaciones como la categorización de productos en comercio electrónico, la moderación de contenido y el monitoreo de vida silvestre.
Estimación de pose#
La estimación de pose detecta puntos clave específicos en imágenes o fotogramas de video para rastrear movimientos o estimar poses. Estos puntos clave pueden representar articulaciones humanas, características faciales u otros puntos de interés significativos. YOLO26 destaca en la detección de puntos clave con alta precisión y velocidad, lo que lo hace valioso para aplicaciones de fitness, análisis deportivos y interacción humano-computadora.
OBB#
La detección de cuadro delimitador orientado (OBB) mejora la detección de objetos tradicional al agregar un ángulo de orientación para ubicar mejor los objetos rotados. Esta capacidad es particularmente valiosa para el análisis de imágenes aéreas, el procesamiento de documentos y las aplicaciones industriales donde los objetos aparecen en varios ángulos. YOLO26 ofrece alta precisión y velocidad para detectar objetos rotados en diversos escenarios.
Conclusión#
Ultralytics YOLO26 admite múltiples tareas de visión artificial, que incluyen detección, segmentación de instancias, segmentación semántica, estimación de profundidad monocular, clasificación, detección de puntos clave y detección de objetos orientados. Cada tarea aborda necesidades específicas en el panorama de la visión artificial, desde la identificación básica de objetos hasta la inferencia de profundidad densa por píxel. Al comprender las capacidades y aplicaciones de cada tarea, puedes seleccionar el enfoque más adecuado para tus desafíos específicos de visión artificial y aprovechar las potentes características de YOLO26 para construir soluciones efectivas.
¿Y ahora qué?#
¿Has elegido una tarea? Formatea tus datos para ella con la guía de conjuntos de datos y luego entrena con tus propias imágenes.
Preguntas frecuentes#
Ultralytics YOLO26 es un marco de IA versátil capaz de realizar varias tareas de visión artificial con alta precisión y velocidad. Estas tareas incluyen:
- Detección de objetos: Identificar y localizar objetos en imágenes o fotogramas de video dibujando cuadros delimitadores a su alrededor.
- Segmentación de instancias: Producción de una máscara a nivel de píxel para cada objeto detectado, útil para aplicaciones como la imagen médica.
- Segmentación semántica: Asignar una etiqueta de clase a cada píxel de una imagen para la comprensión densa de escenas.
- Estimación de profundidad: Predicción de un mapa de profundidad por píxel en metros a partir de una única imagen RGB.
- Clasificación: Categorizar imágenes completas según su contenido.
- Estimación de poses: Detección de puntos clave específicos en una imagen o fotograma de vídeo para rastrear movimientos o poses.
- Detección de objetos orientados (OBB): Detectar objetos rotados con un ángulo de orientación agregado para una mayor precisión.
Para usar Ultralytics YOLO26 para la detección de objetos, sigue estos pasos:
- Prepara tu conjunto de datos en el formato adecuado.
- Entrena el modelo YOLO26 utilizando la tarea de detección.
- Usa el modelo para hacer predicciones introduciendo nuevas imágenes o fotogramas de video.
Ejemplofrom ultralytics import YOLO # Load a pretrained YOLO model (adjust model type as needed) model = YOLO("yolo26n.pt") # n, s, m, l, x versions available # Perform object detection on an image results = model.predict(source="image.jpg") # Can also use video, directory, URL, etc. # Display the results results[0].show() # Show the first image resultsPara obtener instrucciones más detalladas, consulta nuestros ejemplos de detección.
Usar YOLO26 para tareas de segmentación ofrece varias ventajas:
- Alta precisión: La tarea de segmentación proporciona máscaras precisas a nivel de píxel.
- Velocidad: YOLO26 está optimizado para aplicaciones en tiempo real, ofreciendo un procesamiento rápido incluso para imágenes de alta resolución.
- Múltiples aplicaciones: Es ideal para imágenes médicas, conducción autónoma y otras aplicaciones que requieren una segmentación detallada de imágenes.
Obtén más información sobre los beneficios y casos de uso de YOLO26 para la segmentación en la sección de segmentación de imágenes.
Sí, Ultralytics YOLO26 puede realizar eficazmente la estimación de pose y la detección de puntos clave con alta precisión y velocidad. Esta característica es particularmente útil para rastrear movimientos en análisis deportivos, atención médica y aplicaciones de interacción humano-computadora. YOLO26 detecta puntos clave en una imagen o fotograma de video, lo que permite una estimación precisa de la pose.
Para obtener más detalles y consejos de implementación, visita nuestros ejemplos de estimación de pose.
La detección de objetos orientados (OBB) con YOLO26 proporciona una precisión mejorada al detectar objetos con un parámetro de ángulo adicional. Esta característica es beneficiosa para aplicaciones que requieren una localización precisa de objetos rotados, como el análisis de imágenes aéreas y la automatización de almacenes.
- Mayor precisión: El componente de ángulo reduce los falsos positivos para objetos rotados.
- Aplicaciones versátiles: Útil para tareas en análisis geoespacial, robótica, etc.
Consulta la sección de detección de objetos orientados para obtener más detalles y ejemplos.