Ultralytics YOLOv8 Tareas

YOLOv8 es un marco de IA que admite múltiples tareas de visión por ordenador. El marco puede utilizarse para realizar tareas de detección, segmentación, obbtención, clasificación y estimación de la pose. Cada una de estas tareas tiene un objetivo y un caso de uso diferentes.

Observa: Explora Ultralytics YOLO Tareas: Detección de Objetos, Segmentación, OBB, Seguimiento y Estimación de Pose.

Detección

La detección es la tarea principal que admite YOLOv8. Consiste en detectar objetos en una imagen o un fotograma de vídeo y dibujar cuadros delimitadores a su alrededor. Los objetos detectados se clasifican en distintas categorías en función de sus características. YOLOv8 puede detectar múltiples objetos en una sola imagen o fotograma de vídeo con gran precisión y rapidez.

Ejemplos de detección

Segmentación

La segmentación es una tarea que consiste en segmentar una imagen en diferentes regiones basándose en el contenido de la imagen. A cada región se le asigna una etiqueta basada en su contenido. Esta tarea es útil en aplicaciones como la segmentación de imágenes y las imágenes médicas. YOLOv8 utiliza una variante de la arquitectura U-Net para realizar la segmentación.

Ejemplos de segmentación

Clasificación

La clasificación es una tarea que consiste en clasificar una imagen en diferentes categorías. YOLOv8 puede utilizarse para clasificar imágenes basándose en su contenido. Utiliza una variante de la arquitectura EfficientNet para realizar la clasificación.

Ejemplos de clasificación

Pose

La detección de pose/puntos clave es una tarea que consiste en detectar puntos específicos en un fotograma de imagen o vídeo. Estos puntos se denominan puntos clave y se utilizan para seguir el movimiento o estimar la pose. YOLOv8 puede detectar puntos clave en un fotograma de imagen o vídeo con gran precisión y velocidad.

Ejemplos de poses

OBB

La detección de objetos orientados va un paso más allá de la detección de objetos normal, introduciendo un ángulo adicional para localizar los objetos con mayor precisión en una imagen. YOLOv8 puede detectar objetos girados en una imagen o fotograma de vídeo con gran precisión y velocidad.

Detección Orientada

Conclusión

YOLOv8 admite múltiples tareas, como la detección, la segmentación, la clasificación, la detección de objetos orientados y la detección de puntos clave. Cada una de estas tareas tiene objetivos y casos de uso diferentes. Si comprendes las diferencias entre estas tareas, podrás elegir la tarea adecuada para tu aplicación de visión por ordenador.

PREGUNTAS FRECUENTES

¿Qué tareas puede realizar Ultralytics YOLOv8 ?

Ultralytics YOLOv8 es un marco de IA versátil capaz de realizar diversas tareas de visión por ordenador con gran precisión y velocidad. Estas tareas incluyen

• Detección: Identificar y localizar objetos en imágenes o fotogramas de vídeo dibujando cuadros delimitadores a su alrededor.
• Segmentación: Segmentación de imágenes en diferentes regiones en función de su contenido, útil para aplicaciones como las imágenes médicas.
• Clasificación: Categorización de imágenes enteras en función de su contenido, aprovechando variantes de la arquitectura EfficientNet.
• Estimación de la pose: Detección de puntos clave específicos en un fotograma de imagen o vídeo para rastrear movimientos o poses.
• Detección de Objetos Orientados (OBB): Detección de objetos girados con un ángulo de orientación añadido para mejorar la precisión.

¿Cómo utilizo Ultralytics YOLOv8 para la detección de objetos?

Para utilizar Ultralytics YOLOv8 para la detección de objetos, sigue estos pasos:

1. Prepara tu conjunto de datos en el formato adecuado.
2. Entrena el modelo YOLOv8 utilizando la tarea de detección.
3. Utiliza el modelo para hacer predicciones introduciendo nuevas imágenes o fotogramas de vídeo.

from ultralytics import YOLO

model = YOLO("yolov8n.pt")  # Load pre-trained model
results = model.predict(source="image.jpg")  # Perform object detection
results[0].show()

yolo detect model=yolov8n.pt source='image.jpg'

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

¿Cuáles son las ventajas de utilizar YOLOv8 para las tareas de segmentación?

Utilizar YOLOv8 para tareas de segmentación ofrece varias ventajas:

1. Alta precisión: La tarea de segmentación aprovecha una variante de la arquitectura U-Net para lograr una segmentación precisa.
2. Velocidad: YOLOv8 está optimizado para aplicaciones en tiempo real, ofreciendo un procesamiento rápido incluso para imágenes de alta resolución.
3. Múltiples aplicaciones: Es ideal para imágenes médicas, conducción autónoma y otras aplicaciones que requieran una segmentación detallada de las imágenes.

Obtén más información sobre las ventajas y los casos de uso de YOLOv8 para la segmentación en la sección Segmentación.

¿Puede Ultralytics YOLOv8 manejar la estimación de la pose y la detección de puntos clave?

Sí, Ultralytics YOLOv8 puede realizar eficazmente la estimación de la pose y la detección de puntos clave con gran precisión y velocidad. Esta función es especialmente útil para el seguimiento de movimientos en aplicaciones de análisis deportivo, asistencia sanitaria e interacción persona-ordenador. YOLOv8 detecta puntos clave en un fotograma de imagen o vídeo, lo que permite una estimación precisa de la pose.

Para más detalles y consejos de aplicación, visita nuestros ejemplos de estimación de pose.

¿Por qué elegir Ultralytics YOLOv8 para la detección de objetos orientados (OBB)?

La Detección de Objetos Orientados (OBB) con YOLOv8 proporciona una mayor precisión al detectar objetos con un parámetro angular adicional. Esta función es beneficiosa para aplicaciones que requieren una localización precisa de objetos girados, como el análisis de imágenes aéreas y la automatización de almacenes.

• Mayor precisión: El componente angular reduce los falsos positivos de los objetos girados.
• Aplicaciones versátiles: Útil para tareas de análisis geoespacial, robótica, etc.

Consulta la sección Detección de Objetos Orientados para obtener más detalles y ejemplos.

Comentarios