Tareas de visión artificial compatibles con Ultralytics YOLO26#
Ultralytics YOLO26 es un versátil marco de IA compatible con varias tareas de visión artificial. El marco puede utilizarse 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 diversos retos de visión artificial con un único marco.
Para conocer los planes de compatibilidad con YOLO27, consulta la vista previa de YOLO27. YOLO27 llegará próximamente y aún no está disponible; esta guía utiliza los modelos YOLO26 publicados.
Ver: Explora las tareas de Ultralytics YOLO26: Detección de objetos, segmentación de instancias, segmentación semántica, estimación de profundidad, clasificación, estimación de pose y OBB.
Detección#
La detección es la tarea principal que admite YOLO26. Consiste en identificar objetos en una imagen o fotograma de vídeo y dibujar recuadros delimitadores a su alrededor. Los objetos detectados se clasifican en distintas categorías según sus características. YOLO26 puede detectar varios objetos en una sola imagen o fotograma de vídeo con gran precisión y velocidad, por lo que es ideal para aplicaciones en tiempo real, como los sistemas de videovigilancia y los vehículos autónomos.
Segmentación de instancias#
La segmentación va más allá de la detección de objetos, ya que genera máscaras a nivel de píxel para cada objeto. Esta precisión resulta útil en aplicaciones como la obtención de imágenes médicas, el análisis agrícola y el control de calidad en la fabricación.
Segmentación semántica#
La segmentación semántica asigna una etiqueta de clase a cada píxel de una imagen y genera un mapa de clases denso de toda la escena. A diferencia de la segmentación de instancias, no distingue entre objetos individuales de una misma clase. Por ello, es ideal para la conducción autónoma, el análisis de escenas y la cartografía de la cobertura del suelo, donde comprender la distribución espacial completa es más importante que identificar objetos individuales.
Ejemplos de segmentación semántica
Estimación de profundidad#
La estimación monocular de profundidad predice un mapa de profundidad en metros, píxel a píxel, a partir de una única imagen RGB. El resultado es un mapa denso de valores decimales alineado con la imagen de entrada, adecuado para la reconstrucción de escenas 3D, la navegación robótica y las aplicaciones de AR/VR en las que es necesario inferir la distribución espacial 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 el comercio electrónico, la moderación de contenidos y la supervisión de la fauna.
Estimación de pose#
La estimación de pose detecta puntos clave específicos en imágenes o fotogramas de vídeo para seguir movimientos o estimar poses. Estos puntos clave pueden representar articulaciones humanas, rasgos faciales u otros puntos de interés relevantes. YOLO26 destaca en la detección de puntos clave por su gran precisión y velocidad, lo que lo hace muy útil para aplicaciones de fitness, analítica deportiva e interacción persona-ordenador.
OBB#
La detección de cajas delimitadoras orientadas (OBB) mejora la detección de objetos tradicional al añadir un ángulo de orientación para localizar mejor los objetos girados. Esta capacidad resulta especialmente valiosa para el análisis de imágenes aéreas, el procesamiento de documentos y las aplicaciones industriales, donde los objetos aparecen en distintos ángulos. YOLO26 ofrece una gran precisión y velocidad para detectar objetos girados en diversos escenarios.
Qué hacer a continuación#
¿Has elegido una tarea? Da formato a tus datos para ella con la guía de conjuntos de datos y, después, entrena con tus propias imágenes.
Preguntas frecuentes#
Ultralytics YOLO26 es un framework de IA versátil capaz de realizar diversas tareas de visión artificial con gran precisión y velocidad. Entre ellas se incluyen:
- Detección de objetos: Identificar y localizar objetos en imágenes o fotogramas de vídeo dibujando cajas delimitadoras a su alrededor.
- Segmentación de instancias: Generar una máscara a nivel de píxel para cada objeto detectado, útil en aplicaciones como el diagnóstico por imagen.
- Segmentación semántica: Asignar una etiqueta de clase a cada píxel de una imagen para comprender la escena en detalle.
- Estimación de profundidad: Predecir un mapa de profundidad en metros para cada píxel a partir de una sola imagen RGB.
- Clasificación: Clasificar imágenes completas según su contenido.
- Estimación de pose: Detectar puntos clave específicos en una imagen o un fotograma de vídeo para seguir movimientos o poses.
- Detección de objetos orientados (OBB): Detectar objetos girados con un ángulo de orientación adicional para aumentar la precisión.
Para usar Ultralytics YOLO26 para detectar objetos, sigue estos pasos:
- Prepara tu conjunto de datos en el formato adecuado.
- Entrena el modelo YOLO26 con la tarea de detección.
- Usa el modelo para hacer predicciones con imágenes nuevas o fotogramas de vídeo.
Ejemplofrom ultralytics import YOLO # Carga un modelo YOLO preentrenado (ajusta el tipo de modelo según sea necesario) model = YOLO("yolo26n.pt") # versiones n, s, m, l, x disponibles # Detectar objetos en una imagen results = model.predict(source="image.jpg") # También puedes usar vídeo, directorios, URL, etc. # Muestra los resultados results[0].show() # Muestra los resultados de la primera imagenPara obtener instrucciones más detalladas, consulta nuestros ejemplos de detección.
Usar YOLO26 para tareas de segmentación ofrece varias ventajas:
- Gran precisión: La tarea de segmentación proporciona máscaras precisas a nivel de píxel.
- Velocidad: YOLO26 está optimizado para aplicaciones en tiempo real y procesa imágenes de alta resolución con rapidez.
- Múltiples aplicaciones: Es ideal para el diagnóstico por imagen, la conducción autónoma y otras aplicaciones que requieren una segmentación detallada de imágenes.
Descubre más ventajas y casos de uso de YOLO26 para la segmentación en la sección de segmentación de imágenes.
Sí, Ultralytics YOLO26 puede realizar eficazmente estimaciones de pose y detecciones de puntos clave con gran precisión y velocidad. Esta función resulta especialmente útil para seguir movimientos en el análisis deportivo, la atención sanitaria y las aplicaciones de interacción persona-ordenador. YOLO26 detecta puntos clave en una imagen o un fotograma de vídeo, lo que permite estimar la pose con precisión.
Para obtener más información y consejos de implementación, visita nuestros ejemplos de estimación de pose.
La detección de objetos orientados (OBB) con YOLO26 ofrece una precisión superior al detectar objetos con un parámetro de ángulo adicional. Esta función es útil en aplicaciones que requieren localizar con precisión objetos girados, como el análisis de imágenes aéreas y la automatización de almacenes.
- Mayor precisión: El componente del ángulo reduce los falsos positivos en objetos girados.
- Aplicaciones versátiles: Útil para tareas de análisis geoespacial, robótica, etc.
Consulta la sección de detección de objetos orientados para obtener más información y ver ejemplos.