Tareas de visión artificial compatibles con Ultralytics YOLO26#
Ultralytics YOLO26 es un marco de inteligencia artificial versátil que admite múltiples tareas de computer vision. El marco se puede utilizar para realizar detection, segmentation, semantic segmentation, depth estimation, classification, 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.
Watch: Explore Ultralytics YOLO26 Tasks: Object Detection, Segmentation, Depth Estimation, Classification, Pose Estimation, and OBB.
Detection#
La detección es la tarea principal admitida por 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 gran accuracy y velocidad, lo que lo hace ideal para aplicaciones en tiempo real como surveillance systems y autonomous vehicles.
Image segmentation#
La segmentación lleva la detección de objetos un paso más allá al producir máscaras a nivel de píxel para cada objeto. Esta precisión es útil para aplicaciones como medical imaging, agricultural analysis y manufacturing quality control.
Semantic Segmentation#
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 autonomous driving, scene parsing y el mapeo de cobertura terrestre donde comprender la disposición espacial completa importa más que identificar objetos individuales.
Ejemplos de segmentación semántica
Monocular Depth Estimation#
La estimación de profundidad monocular predice un mapa de profundidad por píxel en metros a partir de una sola imagen RGB. El resultado es un mapa de flotantes denso alineado con la imagen de entrada, lo que lo hace adecuado para la reconstrucción de escenas 3D, la navegación de robots y aplicaciones de AR/VR donde la disposición espacial debe inferirse desde una sola cámara.
Ejemplos de estimación de profundidad
Classification#
La clasificación consiste en categorizar imágenes completas según su contenido. Esta tarea es esencial para aplicaciones como product categorization en comercio electrónico, content moderation y wildlife monitoring.
Pose estimation#
La estimación de poses 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 gran precisión y velocidad, lo que lo hace valioso para fitness applications, sports analytics y human-computer interaction.
OBB#
La detección de cuadros delimitadores orientados (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 aerial imagery analysis, document processing y industrial applications donde los objetos aparecen en varios ángulos. YOLO26 ofrece gran precisión y velocidad para detectar objetos rotados en diversos escenarios.
Conclusión#
Ultralytics YOLO26 admite múltiples tareas de visión por computador, incluyendo 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 por computador, 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 por computador y aprovechar las potentes funciones de YOLO26 para construir soluciones eficaces.
Qué sigue#
¿Has elegido una tarea? Formatea tus datos para ella con la Datasets guide y luego train on your own images.
FAQ#
Ultralytics YOLO26 es un framework de IA versátil capaz de realizar diversas tareas de visión artificial con gran precisión y velocidad. Estas tareas incluyen:
- Object Detection: Identificación y localización de objetos en imágenes o fotogramas de video dibujando cuadros delimitadores a su alrededor.
- Image segmentation: Segmentación de imágenes en diferentes regiones según su contenido, útil para aplicaciones como imágenes médicas.
- Semantic Segmentation: Asignación de una etiqueta de clase a cada píxel de una imagen para la comprensión densa de escenas.
- Monocular Depth Estimation: Predicción de un mapa de profundidad por píxel en metros a partir de una sola imagen RGB.
- Classification: Categorización de imágenes completas según su contenido.
- Pose estimation: Detección de puntos clave específicos en una imagen o fotograma de video para rastrear movimientos o poses.
- Oriented Object Detection (OBB): Detección de objetos rotados con un ángulo de orientación añadido para mayor precisión.
Para utilizar 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.
- Utiliza el modelo para realizar predicciones introduciendo nuevas imágenes o fotogramas de vídeo.
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 detection examples.
Usar YOLO26 para tareas de segmentación proporciona 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 imagen médica, conducción autónoma y otras aplicaciones que requieren una segmentación de imágenes detallada.
Obtén más información sobre los beneficios y casos de uso de YOLO26 para la segmentación en la image segmentation section.
Sí, Ultralytics YOLO26 puede realizar de forma eficaz la estimación de pose y la detección de puntos clave con gran precisión y velocidad. Esta función es especialmente útil para rastrear movimientos en análisis deportivos, atención sanitaria y aplicaciones de interacción humano-computadora. YOLO26 detecta puntos clave en una imagen o fotograma de vídeo, lo que permite una estimación de pose precisa.
Para más detalles y consejos de implementación, visita nuestros pose estimation examples.
La detección de objetos orientados (OBB) con YOLO26 proporciona una mayor precision al detectar objetos con un parámetro de ángulo adicional. Esta función 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 Oriented Object Detection section para obtener más detalles y ejemplos.