Attività di Computer Vision supportate da Ultralytics YOLO26#
Ultralytics YOLO26 è un framework di intelligenza artificiale versatile che supporta molteplici attività di computer vision. 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.
Watch: Explore Ultralytics YOLO Tasks: Object Detection, Segmentation, OBB, Tracking, and Pose Estimation.
Detection#
La detection è l'attività principale supportata da YOLO26. Consiste nell'identificare oggetti in un'immagine o in un fotogramma video e nel tracciare dei bounding box attorno ad essi. Gli oggetti rilevati vengono classificati in diverse categorie in base alle loro caratteristiche. YOLO26 può rilevare più oggetti in una singola immagine o in un fotogramma video con elevata accuracy e velocità, rendendolo ideale per applicazioni in tempo reale come surveillance systems e autonomous vehicles.
Image segmentation#
La segmentation porta la rilevazione degli oggetti oltre, producendo maschere a livello di pixel per ogni oggetto. Questa precisione è utile per applicazioni come imaging medico, analisi agricola e controllo qualità nella produzione.
Semantic Segmentation#
La segmentazione semantica assegna un'etichetta di classe a ogni pixel di un'immagine, producendo una mappa di classe densa dell'intera scena. A differenza della segmentazione di istanza, non distingue tra singoli oggetti della stessa classe. Questo la rende ideale per la autonomous driving, la scene parsing e la mappatura della copertura del suolo, dove comprendere l'intera disposizione spaziale conta più dell'identificazione dei singoli oggetti.
Esempi di Semantic Segmentation
Monocular Depth Estimation#
La monocular depth estimation predice una mappa di profondità per pixel in metri da una singola immagine RGB. L'output è una mappa float densa allineata all'immagine di input, rendendola adatta per la ricostruzione di scene 3D, la navigazione di robot e applicazioni AR/VR in cui il layout spaziale deve essere dedotto da una singola telecamera.
Classification#
La classification comporta la categorizzazione di intere immagini in base al loro contenuto. Questa attività è essenziale per applicazioni come la categorizzazione dei prodotti nell'e-commerce, la moderazione dei contenuti e il monitoraggio della fauna selvatica.
Pose estimation#
La pose estimation rileva specifici keypoint in immagini o fotogrammi video per tracciare movimenti o stimare pose. Questi keypoint possono rappresentare articolazioni umane, caratteristiche facciali o altri punti di interesse significativi. YOLO26 eccelle nel rilevamento dei keypoint con elevata precisione e velocità, rendendolo prezioso per applicazioni di fitness, analisi sportiva e interazione uomo-computer.
OBB#
La rilevazione OBB (Oriented Bounding Box) migliora la tradizionale rilevazione degli oggetti aggiungendo un angolo di orientamento per localizzare meglio gli oggetti ruotati. Questa capacità è particolarmente preziosa per l'analisi di immagini aeree, l'elaborazione di documenti e applicazioni industriali in cui gli oggetti appaiono con angolazioni variabili. YOLO26 offre elevata precisione e velocità per rilevare oggetti ruotati in diversi scenari.
Conclusione#
Ultralytics YOLO26 supporta molteplici attività di computer vision, tra cui detection, instance segmentation, semantic segmentation, monocular depth estimation, classification, oriented object detection e keypoint detection. Ogni attività affronta bisogni specifici nel panorama della computer vision, dall'identificazione di base degli oggetti all'inferenza densa della profondità 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 costruire soluzioni efficaci.
Cosa succede dopo#
Hai scelto un task? Formatta i tuoi dati per esso con la guida ai Datasets, quindi esegui il training sulle tue immagini.
FAQ#
Ultralytics YOLO26 è un framework IA 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 tramite il disegno di bounding box attorno a essi.
- Image segmentation: Segmentazione delle immagini in diverse regioni in base al loro contenuto, utile per applicazioni come l'imaging medico.
- Semantic Segmentation: Assegnazione di un'etichetta di classe a ogni pixel in un'immagine per una comprensione densa della scena.
- Monocular Depth Estimation: Predizione 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 keypoint 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 l'object detection, segui questi passaggi:
- Prepara il tuo dataset nel formato appropriato.
- Addestra il modello YOLO26 utilizzando l'attività di detection.
- Usa il modello per fare predizioni 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, dai un'occhiata ai nostri esempi di detection.
L'utilizzo di YOLO26 per attività di segmentation offre diversi vantaggi:
- Alta precisione: L'attività di segmentation 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 dell'immagine.
Scopri di più sui vantaggi e sui casi d'uso di YOLO26 per la segmentazione nella sezione dedicata alla image segmentation.
Sì, Ultralytics YOLO26 può eseguire efficacemente la pose estimation e il rilevamento dei keypoint con elevata precisione e velocità. Questa funzionalità è particolarmente utile per tracciare i movimenti nelle analisi sportive, nell'assistenza sanitaria e nelle applicazioni di interazione uomo-computer. YOLO26 rileva i keypoint in un'immagine o in un fotogramma video, consentendo una precisa stima della posa.
Per maggiori dettagli e suggerimenti sull'implementazione, visita i nostri esempi di pose estimation.
La rilevazione orientata degli oggetti (OBB) con YOLO26 fornisce una precisione migliorata rilevando gli oggetti con un parametro angolare aggiuntivo. Questa funzionalità è utile per le applicazioni che richiedono una localizzazione accurata di oggetti ruotati, come l'analisi di immagini aeree e l'automazione di magazzino.
- Maggiore precisione: La componente angolare riduce i falsi positivi per gli oggetti ruotati.
- Applicazioni versatili: Utile per attività di analisi geospaziale, robotica, ecc.
Dai un'occhiata alla sezione dedicata all'Oriented Object Detection per ulteriori dettagli ed esempi.