Ultralytics YOLOv8 Tâches

YOLOv8 est un cadre d'intelligence artificielle qui prend en charge plusieurs tâches de vision par ordinateur. Le cadre peut être utilisé pour effectuer la détection, la segmentation, l'obb, la classification et l'estimation de la pose. Chacune de ces tâches a un objectif et un cas d'utilisation différents.

Regarde : Explore Ultralytics YOLO Tâches : Détection d'objets, segmentation, OBB, suivi et estimation de la pose.

Détection

La détection est la principale tâche prise en charge par YOLOv8. Elle consiste à détecter des objets dans une image ou une trame vidéo et à dessiner des boîtes de délimitation autour d'eux. Les objets détectés sont classés dans différentes catégories en fonction de leurs caractéristiques. YOLOv8 peut détecter plusieurs objets dans une seule image ou trame vidéo avec une grande précision et une grande rapidité.

Exemples de détection

Segmentation

La segmentation est une tâche qui consiste à segmenter une image en différentes régions en fonction du contenu de l'image. Chaque région se voit attribuer une étiquette en fonction de son contenu. Cette tâche est utile dans des applications telles que la segmentation d'images et l'imagerie médicale. YOLOv8 utilise une variante de l'architecture U-Net pour effectuer la segmentation.

Exemples de segmentation

Classification

La classification est une tâche qui consiste à classer une image dans différentes catégories. YOLOv8 peut être utilisé pour classer des images en fonction de leur contenu. Il utilise une variante de l'architecture EfficientNet pour effectuer la classification.

Exemples de classification

Pose

La détection de la pose/des points clés est une tâche qui consiste à détecter des points spécifiques dans une image ou une trame vidéo. Ces points sont appelés points clés et sont utilisés pour suivre les mouvements ou estimer la pose. YOLOv8 peut détecter des points clés dans une image ou une trame vidéo avec une grande précision et une grande rapidité.

Exemples de poses

OBB

La détection d'objets orientés va plus loin que la détection d'objets normale en introduisant un angle supplémentaire pour localiser les objets avec plus de précision dans une image. YOLOv8 peut détecter des objets tournés dans une image ou une trame vidéo avec une grande précision et une grande rapidité.

Détection orientée

Conclusion

YOLOv8 prend en charge plusieurs tâches, notamment la détection, la segmentation, la classification, la détection d'objets orientés et la détection de points clés. Chacune de ces tâches a des objectifs et des cas d'utilisation différents. En comprenant les différences entre ces tâches, tu pourras choisir la tâche appropriée pour ton application de vision par ordinateur.

FAQ

Quelles sont les tâches que Ultralytics YOLOv8 peut accomplir ?

Ultralytics YOLOv8 est un cadre d'IA polyvalent capable d'effectuer diverses tâches de vision par ordinateur avec une grande précision et une grande rapidité. Ces tâches comprennent :

• Détection: Identifier et localiser des objets dans des images ou des trames vidéo en dessinant des boîtes de délimitation autour d'eux.
• Segmentation: Segmenter les 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 s'appuyant sur 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 tournés avec un angle d'orientation ajouté pour une meilleure précision.

Comment utiliser Ultralytics YOLOv8 pour la détection d'objets ?

Pour utiliser Ultralytics YOLOv8 pour la détection d'objets, suis les étapes suivantes :

1. Prépare ton jeu de données dans le format approprié.
2. Entraîne le modèle YOLOv8 à l'aide de la tâche de détection.
3. Utilise le modèle pour faire des prédictions en introduisant de nouvelles images ou de nouvelles séquences vidéo.

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'

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

Quels sont les avantages de l'utilisation de YOLOv8 pour les tâches de segmentation ?

L'utilisation de YOLOv8 pour les tâches de segmentation présente plusieurs avantages :

1. Haute précision : La tâche de segmentation s'appuie sur une variante de l'architecture U-Net pour obtenir une segmentation précise.
2. Vitesse : YOLOv8 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 détaillée des images.

Pour en savoir plus sur les avantages et les cas d'utilisation de YOLOv8 pour la segmentation, consulte la section sur la segmentation.

Ultralytics YOLOv8 peut-il gérer l'estimation de la pose et la détection des points clés ?

Oui, Ultralytics YOLOv8 peut effectuer efficacement l'estimation de la pose et la détection des points clés avec une grande précision et une grande rapidité. Cette fonction est particulièrement utile pour suivre les mouvements dans les applications d'analyse sportive, de santé et d'interaction homme-machine. YOLOv8 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 de conseils de mise en œuvre, visite nos exemples d'estimation de pose.

Pourquoi devrais-je choisir Ultralytics YOLOv8 pour la détection d'objets orientés (OBB) ?

La détection d'objets orientés (OBB) avec YOLOv8 offre une précision accrue en détectant des objets avec un paramètre d'angle supplémentaire. Cette fonction est bénéfique pour les applications nécessitant une localisation précise d'objets ayant subi une rotation, telles que l'analyse d'images aériennes et l'automatisation d'entrepôts.

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

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

📅 Created 10 months ago ✏️ Updated 3 days ago

Commentaires