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 をサポートする汎用的な AI フレームワークです。このフレームワークは、detection、segmentation、semantic segmentation、depth estimation、classification、pose 推定、および OBB の実行に使用できます。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ービジョンの課題に対処できます。
Watch: Explore Ultralytics YOLO26 Tasks: Object Detection, Segmentation, Depth Estimation, Classification, Pose Estimation, and OBB.
Detection#
検出は、YOLO26 がサポートする主要なタスクです。これには、画像またはビデオフレーム内のオブジェクトを特定し、そ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さまざまなカテゴリに分類されます。YOLO26 は、1つ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精度かつ高速で検出できるため、surveillance systems や autonomous vehicles などのリアルタイムアプリケーションに最適です。
Image segmentation#
セグメンテーションは、各オブジェクトのピクセルレベルのマスクを生成することにより、オブジェクト検出をさらに進めたものです。この精度は、medical imaging、agricultural analysis、manufacturing quality control などのアプリケーションに役立ちます。
Semantic Segmentation#
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、シーン全体のエンドツーエンドの密なクラスマップを生成します。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。これにより、個々のオブジェクトの識別よりも、完全な空間レイアウトの理解が重要となる autonomous driving、scene parsing、および土地被覆マッピングに最適です。
Monocular Depth Estimation#
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。
Classification#
分類には、コンテンツに基づいて画像全体をカテゴリに分類することが含まれます。このタスクは、E コマースでのproduct categorization、content moderation、wildlife monitoring などのアプリケーションに不可欠です。
Pose estimation#
ポーズ推定は、画像またはビデオフレーム内の特定のキーポイントを検出し、動きを追跡またはポーズを推定します。これらのキーポイントは、人間の関節、顔の特徴、またはその他の重要な関心点を表すことができます。YOLO26 は、高精度かつ高速なキーポイント検出に優れており、fitness applications、sports analytics、human-computer interaction に役立ちます。
OBB#
回転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適切に配置するための方向角度を追加することにより、従来のオブジェクト検出を強化します。この機能は、オブジェクトがさまざまな角度で現れる aerial imagery analysis、document processing、industrial applications に特に価値があります。YOLO26 は、さまざまなシナリオで回転したオブジェクトを検出するための高精度と速度を提供します。
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、キーポイント検出、指向性オブジェクト検出など、複数のコンピュータビジョンタスクをサポートします。各タスクは、基本的なオブジェクトの識別から密なピクセル単位の深度推論まで、コンピュータビジョン分野における特定のニーズに対処します。各タスクの機能と用途を理解することで、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 guide でデータをフォーマットし、train on your own images を行います。
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：
- Object Detection: 画像または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して、オブジェクトを特定し、ローカライズします。
- Image segmentation: コンテンツに基づいて画像をさまざまな領域にセグメント化します。医療画像処理などのアプリケーションに役立ちます。
- Semantic Segmentation: シーンの詳細な理解のために、画像内のすべてのピクセルにクラスラベルを割り当てます。
- Monocular Depth Estimation: 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。
- Classification: コンテンツに基づいて画像全体を分類します。
- Pose estimation: 画像または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。
- Oriented Object Detection (OBB): 精度を向上させるため、追加の方向角度を指定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、detection examples を確認してください。
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関する YOLO26 の利点とユースケースの詳細については、image segmentation section を参照してください。
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。
詳細と実装のヒントについては、pose estimation examples をご覧ください。
YOLO26 を使用した回転オブジェクト検出 (OBB) は、追加の角度パラメータを持つオブジェクトを検出することで、precision を向上させます。この機能は、航空画像の分析や倉庫の自動化など、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役立ちます。
- 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。
詳細と例については、Oriented Object Detection section を確認してください。