Ultralytics YOLO26がサポートするコンピュータビジョンタスク#
Ultralytics YOLO26は、複数のcomputer vision tasksをサポートする多機能なAIフレームワークです。このフレームワークを使用して、detection、segmentation、semantic segmentation、depth estimation、classification、pose推定、およびOBBを実行できます。これらの各タスクには異なる目的とユースケースがあり、単一のフレームワークでさまざまなコンピュータビジョンの課題に対応できます。
Watch: Explore Ultralytics YOLO Tasks: Object Detection, Segmentation, OBB, Tracking, and Pose Estimation.
検出#
検出はYOLO26がサポートする主要なタスクです。これには、画像やビデオフレーム内のオブジェクトを特定し、それらの周囲にバウンディングボックスを描画することが含まれます。検出されたオブジェクトは、その特徴に基づいて異なるカテゴリに分類されます。YOLO26は、単一の画像またはビデオフレーム内の複数のオブジェクトを高い精度と速度で検出できるため、監視システムや自動運転車のようなリアルタイムアプリケーションに最適です。
画像セグメンテーション#
セグメンテーションは、オブジェクト検出をさらに発展させ、各オブジェクトに対してピクセルレベルのマスクを生成します。この精度は、医療画像処理、農業分析、および製造品質管理などのアプリケーションで役立ちます。
セマンティックセグメンテーション#
セマンティックセグメンテーションは、画像内のすべてのピクセルにクラスラベルを割り当て、シーン全体の詳細なクラスマップを作成します。インスタンスセグメンテーションとは異なり、同じクラスの個々のオブジェクトを区別しません。このため、個々のオブジェクトを識別することよりも、完全な空間レイアウトを理解することが重要な自動運転、シーン解析、および土地被覆マッピングに最適です。
単眼深度推定#
単眼深度推定は、単一のRGB画像からピクセルごとの深度マップをメートル単位で予測します。出力は入力画像にアライメントされた密なfloatマップであり、3Dシーン再構築、ロボットナビゲーション、および単一カメラから空間レイアウトを推論する必要があるAR/VRアプリケーションに適しています。
分類#
分類には、コンテンツに基づいて画像全体をカテゴリ分けすることが含まれます。このタスクは、Eコマースにおける製品分類、コンテンツモデレーション、野生生物モニタリングなどのアプリケーションに不可欠です。
ポーズ推定#
ポーズ推定は、画像やビデオフレーム内の特定のキーポイントを検出して、動きを追跡したりポーズを推定したりします。これらのキーポイントは、人間の関節、顔の特徴、その他の重要な関心ポイントを表すことができます。YOLO26はキーポイント検出において高い精度と速度を誇り、フィットネスアプリケーション、スポーツ分析、およびヒューマンコンピュータインタラクションで価値を発揮します。
OBB#
指向性バウンディングボックス (OBB) 検出は、回転したオブジェクトをより正確に配置するための向き角度を追加することで、従来のオブジェクト検出を強化します。この機能は、航空画像分析、ドキュメント処理、およびオブジェクトがさまざまな角度で出現する産業用アプリケーションにおいて特に価値があります。YOLO26は、多様なシナリオで回転したオブジェクトを検出するために、高い精度と速度を実現します。
結論#
Ultralytics YOLO26は、検出、インスタンスセグメンテーション、セマンティックセグメンテーション、単眼深度推定、分類、回転物体検出、およびキーポイント検出を含む、複数のコンピュータビジョンタスクをサポートしています。各タスクは、基本的な物体識別からピクセル単位の密な深度推論まで、コンピュータビジョンの領域における特定のニーズに対応します。各タスクの機能と応用を理解することで、特定のコンピュータビジョンの課題に対して最も適切なアプローチを選択し、YOLO26の強力な機能を活用して効果的なソリューションを構築できます。
次のステップ#
タスクを選択しましたか？Datasetsガイドを使用してデータをタスク用にフォーマットし、次に独自の画像で学習してください。
よくある質問 (FAQ)#
Ultralytics YOLO26は、さまざまなコンピュータビジョンタスクを高い精度と速度で実行できる汎用的なAIフレームワークです。これらのタスクには以下が含まれます：
- オブジェクト検出: 画像やビデオフレーム内のオブジェクトの周囲にバウンディングボックスを描画することで、オブジェクトを識別およびローカライズします。
- 画像セグメンテーション: 画像の内容に基づいてさまざまな領域にセグメント化します。これは、医療画像処理などのアプリケーションに役立ちます。
- セマンティックセグメンテーション: 画像内のすべてのピクセルにクラスラベルを割り当て、詳細なシーン理解を行います。
- 単眼深度推定: 単一のRGB画像からピクセルごとの深度マップをメートル単位で予測します。
- 分類: 内容に基づいて画像全体を分類します。
- ポーズ推定: 画像やビデオフレーム内の特定のキーポイントを検出して、動きやポーズを追跡します。
- 指向性オブジェクト検出 (OBB): 精度向上のために向き角度を追加して、回転したオブジェクトを検出します。
オブジェクト検出にUltralytics YOLO26を使用するには、次の手順に従います：
- データセットを適切な形式で準備します。
- 検出タスクを使用してYOLO26モデルをトレーニングします。
- 新しい画像やビデオフレームを入力して、モデルを使用して予測を行います。
例from 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 results詳細な手順については、検出の例をご覧ください。
セグメンテーションタスクにYOLO26を使用すると、いくつかの利点があります：
- 高精度: セグメンテーションタスクは、正確なピクセルレベルのマスクを提供します。
- 速度: YOLO26はリアルタイムアプリケーション向けに最適化されており、高解像度の画像でも迅速な処理を提供します。
- 多様なアプリケーション: 医療画像処理、自律走行、および詳細な画像セグメンテーションを必要とするその他のアプリケーションに最適です。
セグメンテーションにおけるYOLO26の利点とユースケースの詳細については、画像セグメンテーションのセクションをご覧ください。
はい、Ultralytics YOLO26は、高い精度と速度でポーズ推定とキーポイント検出を効果的に実行できます。この機能は、スポーツ分析、ヘルスケア、およびヒューマンコンピュータインタラクションアプリケーションにおける動きの追跡に特に役立ちます。YOLO26は、画像またはビデオフレーム内のキーポイントを検出し、正確なポーズ推定を可能にします。
詳細や実装のヒントについては、ポーズ推定の例をご覧ください。
YOLO26による指向性オブジェクト検出 (OBB) は、追加の角度パラメータを使用してオブジェクトを検出することで、精度を向上させます。この機能は、航空画像分析や倉庫自動化など、回転したオブジェクトの正確なローカライズを必要とするアプリケーションに有益です。
- 精度の向上: 角度成分により、回転したオブジェクトの誤検出が減少します。
- 多様なアプリケーション: 地理空間分析、ロボティクスなどのタスクに役立ちます。
詳細や例については、指向性オブジェクト検出セクションをご覧ください。