Attività di Computer Vision supportate da Ultralytics YOLO26#
Ultralytics YOLO26 è un framework IA versatile che supporta molteplici attività di computer vision. Il framework può essere utilizzato per eseguire detection, segmentation, segmentazione semantica (semantic segmentation), stima della profondità (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 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 accuratezza e velocità, rendendolo ideale per applicazioni in tempo reale come sistemi di sorveglianza e veicoli autonomi.
Segmentazione delle immagini#
La segmentazione spinge il rilevamento di oggetti oltre, producendo maschere a livello di pixel per ciascun oggetto. Questa precisione è utile per applicazioni quali imaging medico, analisi agricola e controllo qualità industriale.
Segmentazione semantica#
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 d'istanza, non distingue tra singoli oggetti della stessa classe. Questo la rende ideale per la guida autonoma, il parsing delle scene e la mappatura della copertura del suolo, dove comprendere l'intera disposizione spaziale conta più che identificare i singoli oggetti.
Esempi di segmentazione semantica
Stima della profondità monoculare#
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.
Esempi di stima della profondità
Classificazione#
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.
Stima della posa#
La stima della posa rileva specifici punti chiave in immagini o fotogrammi video per tracciare movimenti o stimare pose. Questi punti chiave possono rappresentare articolazioni umane, caratteristiche del volto o altri punti di interesse significativi. YOLO26 eccelle nel rilevamento dei punti chiave con elevata accuratezza e velocità, risultando prezioso per applicazioni di fitness, analisi sportive e interazione uomo-computer.
OBB#
Il rilevamento Oriented 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'analisi di immagini aeree, l'elaborazione di documenti e le applicazioni industriali in cui gli oggetti appaiono a varie angolazioni. YOLO26 offre alta accuratezza e velocità nel rilevare oggetti ruotati in diversi scenari.
Conclusione#
Ultralytics YOLO26 supporta molteplici attività di visione artificiale, tra cui rilevamento, segmentazione di istanze, segmentazione semantica, stima della profondità monoculare, classificazione, rilevamento di punti chiave e rilevamento di oggetti orientati. Ciascuna attività risponde a esigenze specifiche nel panorama della visione artificiale, 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 visione artificiale e sfruttare le potenti funzionalità di YOLO26 per costruire soluzioni efficaci.
Cosa succede dopo#
Hai scelto un'attività? Formatta i tuoi dati per essa con la guida ai dataset, quindi effettua 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 tracciando riquadri di delimitazione intorno ad essi.
- Segmentazione delle immagini: Segmentazione delle immagini in diverse regioni in base al loro contenuto, utile per applicazioni come l'imaging medico.
- Segmentazione Semantica: Assegnazione di un'etichetta di classe a ogni pixel in un'immagine per una comprensione densa della scena.
- Stima della Profondità Monoculare: 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.
- Stima della posa: Rilevamento di specifici punti chiave in un'immagine o fotogramma video per tracciare movimenti o pose.
- Rilevamento di Oggetti Orientati (OBB): Rilevamento di oggetti ruotati con un angolo di orientamento aggiunto per una maggiore accuratezza.
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, consulta i 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 sulla segmentazione delle immagini.
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 consigli sull'implementazione, visita i nostri esempi di stima della posa.
Oriented Object Detection (OBB) con YOLO26 offre una precisione avanzata rilevando 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.
Consulta la sezione Oriented Object Detection per maggiori dettagli ed esempi.