Passer au contenu

Tâches de vision par ordinateur prises en charge par Ultralytics YOLO11

Tâches de vision par ordinateur prises en charge par Ultralytics YOLO

Ultralytics YOLO11 est un framework d’IA polyvalent qui prend en charge plusieurs tâches de vision par ordinateur . Le framework peut être utilisé pour effectuer l’détection, la segmentation, l’OBB, la classification et l’estimation de pose. Chacune de ces tâches a un objectif et un cas d’utilisation différents, ce qui vous permet de relever divers défis de vision par ordinateur avec un seul framework.



Regarder : Explorez les tâches d'Ultralytics YOLO : Détection d'objets, la segmentation, l'OBB, le suivi et l'estimation de la pose.

Détection

La détection est la tâche principale prise en charge par YOLO11. Elle consiste à identifier les objets dans une image ou une trame vidéo et à dessiner des cadres de délimitation autour de ceux-ci. Les objets détectés sont classés en différentes catégories en fonction de leurs caractéristiques. YOLO11 peut détecter plusieurs objets dans une seule image ou trame vidéo avec une grande précision et rapidité, ce qui le rend idéal pour les applications en temps réel comme les systèmes de surveillance et les véhicules autonomes.

Exemples de détection

Segmentation d'image

La segmentation va au-delà de la détection d'objets en segmentant une image en différentes régions en fonction du contenu. Chaque région reçoit une étiquette, offrant une précision au niveau du pixel pour des applications telles que l'imagerie médicale, l'analyse agricole et le contrôle qualité dans la fabrication. YOLO11 implémente une variante de l'architecture U-Net pour effectuer une segmentation efficace et précise.

Exemples de segmentation

Classification

La classification consiste à catégoriser des images entières en fonction de leur contenu. Les capacités de classification de YOLO11 exploitent une variante de l'architecture EfficientNet pour fournir une classification d'images haute performance. Cette tâche est essentielle pour des applications telles que la catégorisation de produits dans le commerce électronique, la modération de contenu et la surveillance de la faune.

Exemples de classification

Estimation de pose

L'estimation de pose détecte des points clés spécifiques dans des images ou des trames vidéo pour suivre les mouvements ou estimer les poses. Ces points clés peuvent représenter des articulations humaines, des traits du visage ou d'autres points d'intérêt importants. YOLO11 excelle dans la détection de points clés avec une grande précision et rapidité, ce qui le rend précieux pour les applications de fitness, l'analyse sportive et l'interaction homme-machine.

Exemples de pose

OBB

La détection de boîtes englobantes orientées (OBB) améliore la détection d’objets traditionnelle en ajoutant un angle d’orientation pour mieux localiser les objets pivotés. Cette capacité est particulièrement précieuse pour l’analyse d’imagerie aérienne, le traitement de documents et les applications industrielles où les objets apparaissent sous différents angles. YOLO11 offre une grande précision et rapidité pour la détection d’objets pivotés dans divers scénarios.

Détection orientée

Conclusion

Ultralytics YOLO11 prend en charge plusieurs tâches de vision par ordinateur, notamment la détection, la segmentation, la classification, la détection d'objets orientés et la détection de points clés. Chaque tâche répond à des besoins spécifiques dans le paysage de la vision par ordinateur, de l'identification d'objets de base à l'analyse de pose détaillée. En comprenant les capacités et les applications de chaque tâche, vous pouvez sélectionner l'approche la plus appropriée pour vos défis spécifiques en matière de vision par ordinateur et exploiter les puissantes fonctionnalités de YOLO11 pour créer des solutions efficaces.

FAQ

Quelles tâches de vision par ordinateur Ultralytics YOLO11 peut-il effectuer ?

Ultralytics YOLO11 est un framework d'IA polyvalent capable d'effectuer diverses tâches de vision par ordinateur avec une grande précision et rapidité. Ces tâches comprennent :

  • Détection d'objets : Identification et localisation d'objets dans des images ou des trames vidéo en dessinant des boîtes englobantes autour d'eux.
  • Segmentation d'image : Segmentation des images en différentes régions en fonction de leur contenu, utile pour des applications telles que l'imagerie médicale.
  • Classification : Catégorisation d'images entières en fonction de leur contenu, en tirant parti des variantes de l'architecture EfficientNet.
  • Estimation de la pose : Détection de points clés spécifiques dans une image ou une trame vidéo pour suivre les mouvements ou les poses.
  • Détection d'objets orientés (OBB) : Détection d'objets pivotés avec un angle d'orientation ajouté pour une précision accrue.

Comment utiliser Ultralytics YOLO11 pour la détection d'objets ?

Pour utiliser Ultralytics YOLO11 pour la détection d'objets, suivez ces étapes :

  1. Préparez votre jeu de données dans le format approprié.
  2. Entraînez le modèle YOLO11 en utilisant la tâche de détection.
  3. Utilisez le modèle pour faire des prédictions en y intégrant de nouvelles images ou des trames vidéo.

Exemple

from ultralytics import YOLO

# Load a pre-trained YOLO model (adjust model type as needed)
model = YOLO("yolo11n.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
# Run YOLO detection from the command line
yolo detect model=yolo11n.pt source="image.jpg" # Adjust model and source as needed

Pour des instructions plus détaillées, consultez nos exemples de détection.

Quels sont les avantages de l'utilisation de YOLO11 pour les tâches de segmentation ?

L'utilisation de YOLO11 pour les tâches de segmentation offre plusieurs avantages :

  1. Haute précision : La tâche de segmentation exploite une variante de l'architecture U-Net pour obtenir une segmentation précise.
  2. Rapidité : YOLO11 est optimisé pour les applications en temps réel, offrant un traitement rapide même pour les images à haute résolution.
  3. Applications multiples : Il est idéal pour l'imagerie médicale, la conduite autonome et d'autres applications nécessitant une segmentation d'image détaillée.

Découvrez les avantages et les cas d'utilisation de YOLO11 pour la segmentation dans la section sur la segmentation d'images.

Ultralytics YOLO11 peut-il gérer l'estimation de pose et la détection de points clés ?

Oui, Ultralytics YOLO11 peut effectuer efficacement l'estimation de pose et la détection de points clés avec une grande précision et rapidité. Cette fonctionnalité est particulièrement utile pour le suivi des mouvements dans l'analyse sportive, les soins de santé et les applications d'interaction homme-machine. YOLO11 détecte les points clés dans une image ou une trame vidéo, ce qui permet une estimation précise de la pose.

Pour plus de détails et des conseils de mise en œuvre, consultez nos exemples d'estimation de pose.

Pourquoi devrais-je choisir Ultralytics YOLO11 pour la détection d'objets orientés (OBB) ?

La détection d'objets orientés (OBB) avec YOLO11 offre une précision améliorée en détectant les objets avec un paramètre d'angle supplémentaire. Cette fonctionnalité est avantageuse pour les applications nécessitant une localisation précise des objets pivotés, telles que l'analyse d'imagerie aérienne et l'automatisation d'entrepôt.

  • Précision accrue : La composante angulaire réduit les faux positifs pour les objets pivotés.
  • Applications polyvalentes : Utile pour les tâches d'analyse géospatiale, de robotique, etc.

Consultez la section Détection d'objets orientés pour plus de détails et d'exemples.



📅 Créé il y a 1 an ✏️ Mis à jour il y a 5 mois

Commentaires