Attività di Computer Vision Supportate da Ultralytics YOLO26#
Ultralytics YOLO26 è un framework di intelligenza artificiale versatile che supporta molteplici computer vision tasks. Il framework può essere utilizzato per eseguire detection, segmentation, semantic segmentation, depth estimation, classification, stima della pose e OBB. Ognuna di queste attività ha un obiettivo e un caso d'uso differenti, consentendoti di affrontare varie sfide di computer vision con un unico framework.
Per il supporto pianificato a YOLO27, vedi l'anteprima di YOLO27. YOLO27 arriverà presto e non è ancora disponibile; questa guida utilizza i modelli YOLO26 rilasciati.
Watch: Explore Ultralytics YOLO26 Tasks: Object Detection, Segmentation, Depth Estimation, Classification, Pose Estimation, and OBB.
Rilevamento#
La detection è l'attività principale supportata da YOLO26. Consiste nell'identificare oggetti in un'immagine o in un fotogramma video e nel tracciare riquadri di delimitazione intorno ad essi. Gli oggetti rilevati vengono classificati in diverse categorie in base alle loro caratteristiche. YOLO26 è in grado di rilevare più oggetti in una singola immagine o fotogramma video con elevata accuracy e velocità, rendendolo ideale per applicazioni in tempo reale come surveillance systems e autonomous vehicles.
Segmentazione delle istanze#
La segmentation porta il rilevamento di oggetti a un livello superiore producendo maschere a livello di pixel per ciascun oggetto. Questa precisione è utile per applicazioni quali medical imaging, agricultural analysis e manufacturing quality control.
Segmentazione semantica#
La semantic segmentation assegna un'etichetta di classe a ogni pixel in un'immagine, producendo una mappa di classe densa dell'intera scena. A differenza della segmentazione di istanze, non distingue tra singoli oggetti della stessa classe. Questo la rende ideale per autonomous driving, scene parsing e la mappatura della copertura del suolo, dove la comprensione dell'intera disposizione spaziale conta più dell'identificazione dei singoli oggetti.
Esempi di Semantic Segmentation
Stima della profondità#
La stima della profondità monoculare prevede una mappa di profondità per pixel in metri da una singola immagine RGB. L'output è una mappa di virgola mobile densa allineata all'immagine di input, rendendola adatta per la ricostruzione di scene 3D, la navigazione di robot e applicazioni AR/VR in cui la disposizione spaziale deve essere dedotta da una singola fotocamera.
Classificazione#
La classification comporta la categorizzazione di intere immagini in base al loro contenuto. Questa attività è essenziale per applicazioni come la product categorization nell'e-commerce, la content moderation e il wildlife monitoring.
Stima della posa#
La stima della pose rileva punti chiave specifici in immagini o fotogrammi video per tracciare i movimenti o stimare le posizioni. Questi punti chiave possono rappresentare articolazioni umane, caratteristiche facciali o altri punti di interesse significativi. YOLO26 eccelle nel rilevamento dei punti chiave con elevata precisione e velocità, rendendolo prezioso per fitness applications, sports analytics e human-computer interaction.
OBB#
Il rilevamento Orientated Bounding Box (OBB) migliora il tradizionale rilevamento di oggetti aggiungendo un angolo di orientamento per localizzare meglio gli oggetti ruotati. Questa capacità è particolarmente preziosa per l'aerial imagery analysis, il document processing e le industrial applications in cui gli oggetti appaiono a varie angolazioni. YOLO26 offre elevata precisione e velocità per il rilevamento di oggetti ruotati in diversi scenari.
Conclusioni#
Ultralytics YOLO26 supporta molteplici attività di computer vision, tra cui detection, instance segmentation, semantic segmentation, stima della profondità monoculare, classification, rilevamento dei punti chiave e rilevamento di oggetti orientati. Ciascuna attività soddisfa esigenze specifiche nel panorama della computer vision, dall'identificazione di base degli oggetti all'inferenza della profondità densa per pixel. Comprendendo le capacità e le applicazioni di ciascuna attività, puoi selezionare l'approccio più appropriato per le tue specifiche sfide di computer vision e sfruttare le potenti funzionalità di YOLO26 per creare soluzioni efficaci.
E adesso?#
Hai scelto un'attività? Formatta i tuoi dati per essa con la Datasets guide, quindi train on your own images.
FAQ#
Ultralytics YOLO26 è un framework di intelligenza artificiale versatile in grado di eseguire varie attività di computer vision con elevata precisione e velocità. Queste attività includono:
- Object Detection: Identificazione e localizzazione di oggetti in immagini o fotogrammi video disegnando riquadri di delimitazione attorno ad essi.
- Instance Segmentation: Produzione di una maschera a livello di pixel per ciascun oggetto rilevato, utile per applicazioni come l'imaging medico.
- Semantic Segmentation: Assegnazione di un'etichetta di classe a ogni pixel in un'immagine per la comprensione densa della scena.
- Depth Estimation: Previsione di una mappa di profondità per pixel in metri da una singola immagine RGB.
- Classification: Categorizzazione di intere immagini in base al loro contenuto.
- Pose Estimation: Rilevamento di specifici punti chiave in un'immagine o in un fotogramma video per tracciare movimenti o pose.
- Oriented Object Detection (OBB): Rilevamento di oggetti ruotati con un angolo di orientamento aggiunto per una maggiore precisione.
Per utilizzare Ultralytics YOLO26 per il rilevamento di oggetti, segui questi passaggi:
- Prepara il tuo set di dati nel formato appropriato.
- Addestra il modello YOLO26 utilizzando l'attività di detection.
- Usa il modello per effettuare previsioni inserendo nuove immagini o fotogrammi video.
Esempiofrom 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 resultsPer istruzioni più dettagliate, consulta i nostri detection examples.
L'utilizzo di YOLO26 per le attività di segmentazione offre diversi vantaggi:
- Alta Precisione: L'attività di segmentazione fornisce maschere precise a livello di pixel.
- Velocità: YOLO26 è ottimizzato per applicazioni in tempo reale, offrendo un'elaborazione rapida anche per immagini ad alta risoluzione.
- Molteplici Applicazioni: È ideale per l'imaging medico, la guida autonoma e altre applicazioni che richiedono una segmentazione dettagliata delle immagini.
Scopri di più sui vantaggi e sui casi d'uso di YOLO26 per la segmentazione nella image segmentation section.
Sì, Ultralytics YOLO26 può eseguire efficacemente la stima della pose e il rilevamento dei punti chiave con elevata precisione e velocità. Questa funzionalità è particolarmente utile per tracciare i movimenti nell'analisi sportiva, nella sanità e nelle applicazioni di interazione uomo-macchina. YOLO26 rileva i punti chiave in un'immagine o in un fotogramma video, consentendo una precisa stima della pose.
Per maggiori dettagli e suggerimenti sull'implementazione, visita i nostri pose estimation examples.
Il rilevamento di oggetti orientati (OBB) con YOLO26 offre una maggiore precision rilevando oggetti con un parametro angolare aggiuntivo. Questa funzionalità è vantaggiosa per le applicazioni che richiedono una localizzazione accurata di oggetti ruotati, come l'analisi di immagini aeree e l'automazione dei magazzini.
- Maggiore Precisione: La componente dell'angolo riduce i falsi positivi per gli oggetti ruotati.
- Applicazioni Versatili: Utile per attività di analisi geospaziale, robotica, ecc.
Consulta la Oriented Object Detection section per maggiori dettagli ed esempi.