Tareas de visión artificial compatibles con Ultralytics YOLO26#

Ultralytics YOLO26 es un framework de IA versátil que admite múltiples tareas de computer vision. El framework 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 diversos retos de visión por computador con un único framework.

Detección#

La detección es la tarea principal admitida por YOLO26. Consiste en identificar objetos en una imagen o fotograma de vídeo y dibujar cuadros delimitadores alrededor de ellos. Los objetos detectados se clasifican en diferentes categorías según sus características. YOLO26 puede detectar múltiples objetos en una sola imagen o fotograma de vídeo con gran precisión y velocidad, lo que lo hace ideal para aplicaciones en tiempo real como sistemas de vigilancia y vehículos autónomos.

Ejemplos de detección

Segmentación de imágenes#

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 fabricación.

Ejemplos de segmentación

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 la conducción autónoma, el análisis de escenas y el mapeo de cobertura terrestre, donde entender la disposición espacial completa es más importante 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 Depth Estimation

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 la monitorización de vida silvestre.

Ejemplos de clasificación

Estimación de pose#

La estimación de pose detecta puntos clave específicos en imágenes o fotogramas de vídeo para rastrear movimientos o estimar poses. Estos puntos clave pueden representar articulaciones humanas, rasgos 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 aplicaciones de fitness, análisis deportivo e interacción humano-computadora.

Ejemplos de pose

OBB#

La detección de caja delimitadora orientada (OBB) mejora la detección de objetos tradicional al añadir un ángulo de orientación para localizar mejor los objetos rotados. Esta capacidad es particularmente valiosa para el análisis de imágenes aéreas, el procesamiento de documentos y aplicaciones industriales donde los objetos aparecen en varios ángulos. YOLO26 ofrece una alta precisión y velocidad para detectar objetos rotados en diversos escenarios.

Detección orientada

Conclusión#

Ultralytics YOLO26 admite múltiples tareas de computer vision, incluyendo detection, instance segmentation, semantic segmentation, monocular depth estimation, classification, oriented object detection y keypoint detection. Cada tarea aborda necesidades específicas en el panorama de la computer vision, desde la identificación básica de objetos hasta la inferencia densa de profundidad por píxel. Al comprender las capacidades y aplicaciones de cada tarea, puedes seleccionar el enfoque más adecuado para tus desafíos específicos de computer vision y aprovechar las potentes funciones de YOLO26 para construir soluciones eficaces.

Qué sigue#

¿Has elegido una tarea? Formatea tus datos para ella con la guía de Datasets, y luego entrena con tus propias imágenes.

FAQ#

¿Qué tareas de visión artificial puede realizar Ultralytics YOLO26?#

Ultralytics YOLO26 es un framework de IA versátil capaz de realizar diversas tareas de visión artificial con gran precisión y velocidad. Estas tareas incluyen:

• Detección de objetos: Identificar y localizar objetos en imágenes o fotogramas de vídeo dibujando cuadros delimitadores alrededor de ellos.
• Segmentación de imágenes: Segmentar imágenes en diferentes regiones según su contenido, útil para aplicaciones como la imagen médica.
• Segmentación semántica: Asignar una etiqueta de clase a cada píxel de una imagen para una comprensión densa de la escena.
• Monocular Depth Estimation: Predicción de un mapa de profundidad por píxel en metros a partir de una sola imagen RGB.
• Clasificación: Categorizar imágenes completas según su contenido.
• Estimación de pose: Detectar 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 añadido para una mayor precisión.

¿Cómo utilizo Ultralytics YOLO26 para la detección de objetos?#

Para utilizar Ultralytics YOLO26 para la detección de objetos, sigue estos pasos:

1. Prepara tu conjunto de datos en el formato adecuado.
2. Entrena el modelo YOLO26 utilizando la tarea de detección.
3. Utiliza el modelo para realizar predicciones introduciendo nuevas imágenes o fotogramas de vídeo.

from 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 results

Para obtener instrucciones más detalladas, consulta nuestros ejemplos de detección.

¿Cuáles son los beneficios de usar YOLO26 para tareas de segmentación?#

Usar YOLO26 para tareas de segmentación proporciona varias ventajas:

1. Alta precisión: La tarea de segmentación proporciona máscaras precisas a nivel de píxel.
2. Velocidad: YOLO26 está optimizado para aplicaciones en tiempo real, ofreciendo un procesamiento rápido incluso para imágenes de alta resolución.
3. 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 sección de segmentación de imágenes.

¿Puede Ultralytics YOLO26 manejar la estimación de pose y la detección de puntos clave?#

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 obtener más detalles y consejos de implementación, visita nuestros ejemplos de estimación de pose.

¿Por qué debería elegir Ultralytics YOLO26 para la detección de objetos orientados (OBB)?#

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 más detalles y ejemplos.