Ultralytics YOLO11 Tâches

YOLO11 est un cadre d'IA qui prend en charge de multiples 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.

Regarder : Explorer Ultralytics YOLO Tâches : Détection d'objetsLes données de l'enquête sur le terrain sont disponibles pour la segmentation, l'OBB, le suivi et l'estimation de la pose.

Détection

La détection est la principale tâche prise en charge par YOLO11. Elle consiste à détecter des objets dans une image ou une séquence vidéo et à dessiner des boîtes de délimitation autour d'eux. Les objets détectés sont classés dans différentes catégories en fonction de leurs caractéristiques. YOLO11 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 diviser une image en différentes régions sur la base 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. YOLO11 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. YOLO11 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 le mouvement ou estimer la pose. YOLO11 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 classique en introduisant un angle supplémentaire pour localiser les objets avec plus de précision dans une image. YOLO11 peut détecter des objets en rotation dans une image ou une trame vidéo avec une grande précision et une grande rapidité.

Détection orientée

Conclusion

YOLO11 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, vous pouvez choisir la tâche appropriée pour votre application de vision par ordinateur.

FAQ

Quelles sont les tâches que Ultralytics YOLO11 peut accomplir ?

Ultralytics YOLO11 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: Identification et localisation d'objets dans des images ou des séquences vidéo en traçant des boîtes de délimitation autour d'eux.
• Segmentation: Segmentation des images en différentes régions sur la base de leur contenu, utile pour des applications telles que l'imagerie médicale.
• Classification: Catégorisation d'images entières sur la base 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 en rotation avec un angle d'orientation supplémentaire pour une meilleure précision.

Comment utiliser Ultralytics YOLO11 pour la détection d'objets ?

Pour utiliser Ultralytics YOLO11 pour la détection d'objets, procédez comme suit :

1. Préparez votre jeu de données dans le format approprié.
2. Entraînez le modèle YOLO11 à l'aide de la tâche de détection.
3. Utilisez le modèle pour faire des prédictions en introduisant de nouvelles images ou de nouvelles séquences vidéo.

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 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. 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 détaillée des images.

Pour en savoir plus sur les avantages et les cas d'utilisation de YOLO11 pour la segmentation, consultez la section sur la segmentation.

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

Oui, Ultralytics YOLO11 peut effectuer efficacement l'estimation de la pose et la détection des points clés avec une grande précision et une grande rapidité. Cette caractéristique est particulièrement utile pour le suivi des mouvements dans les applications d'analyse sportive, de santé et 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 de conseils de mise en œuvre, consultez nos exemples d'estimation de pose.

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

La détection d'objets orientés (OBB) avec YOLO11 offre une précision accrue en détectant des objets avec un paramètre d'angle supplémentaire. Cette fonction est utile pour les applications nécessitant une localisation précise d'objets en 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.

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

📅C réé il y a 1 an ✏️ Mis à jour il y a 13 jours

Commentaires