Ultralytics YOLO11 지원하는 컴퓨터 비전 작업

Q: How do I use Ultralytics YOLO11 for object detection?

객체 감지를 위해 Ultralytics YOLO11 을 사용하려면 다음 단계를 따르세요: 자세한 지침은 감지 예시를 참조하세요.

Q: What are the benefits of using YOLO11 for segmentation tasks?

세분화 작업에 YOLO11 사용하면 몇 가지 장점이 있습니다: 이미지 세분화 섹션에서 세분화를 위한 YOLO11 장점과 사용 사례에 대해 자세히 알아보세요.

Ultralytics YOLO11 다양한 컴퓨터 비전 작업을 지원하는 다목적 AI 프레임워크입니다. 이 프레임워크는 감지, 세분화, 오브젝트, 분류, 포즈 추정을 수행하는 데 사용할 수 있습니다. 이러한 작업은 각각 다른 목표와 사용 사례를 가지고 있으므로 단일 프레임워크로 다양한 컴퓨터 비전 문제를 해결할 수 있습니다.

Watch: Ultralytics YOLO 작업 살펴보기: 물체 감지세분화, OBB, 추적, 포즈 추정 등 다양한 기능을 제공합니다.

탐지

감지는 YOLO11 지원하는 주요 작업입니다. 이미지 또는 비디오 프레임에서 객체를 식별하고 그 주위에 경계 상자를 그리는 작업이 포함됩니다. 감지된 객체는 특징에 따라 다양한 카테고리로 분류됩니다. YOLO11 단일 이미지 또는 비디오 프레임에서 여러 개체를 높은 정확도와 속도로 감지할 수 있어 감시 시스템 및 자율 주행 차량과 같은 실시간 애플리케이션에 이상적입니다.

탐지 예시

이미지 세분화

세그멘테이션은 콘텐츠에 따라 이미지를 여러 영역으로 분할하여 물체 감지를 더욱 향상시킵니다. 각 영역에는 레이블이 할당되어 의료 영상, 농업 분석, 제조 품질 관리와 같은 애플리케이션에 픽셀 수준의 정밀도를 제공합니다. YOLO11 효율적이고 정확한 세분화를 수행하기 위해 U-Net 아키텍처의 변형을 구현합니다.

세분화 예시

분류

분류에는 콘텐츠에 따라 전체 이미지를 분류하는 작업이 포함됩니다. YOLO11 분류 기능은 EfficientNet 아키텍처의 변형을 활용하여 고성능 이미지 분류를 제공합니다. 이 작업은 전자상거래의 제품 분류, 콘텐츠 조정, 야생동물 모니터링과 같은 애플리케이션에 필수적입니다.

분류 예시

포즈 추정

포즈 추정 기능은 이미지 또는 비디오 프레임에서 특정 키포인트를 감지하여 움직임을 추적하거나 포즈를 추정합니다. 이러한 키포인트는 사람의 관절, 얼굴 특징 또는 기타 중요한 관심 지점을 나타낼 수 있습니다. YOLO11 높은 정확도와 속도로 키포인트 감지에 탁월하여 피트니스 애플리케이션, 스포츠 분석, 인간과 컴퓨터 간의 상호작용에 유용합니다.

포즈 예시

OBB

OBB(오리엔티드 바운딩 박스) 감지는 회전된 물체를 더 잘 찾을 수 있도록 방향 각도를 추가하여 기존의 물체 감지 기능을 향상시킵니다. 이 기능은 특히 물체가 다양한 각도로 나타나는 항공 이미지 분석, 문서 처리 및 산업용 애플리케이션에 유용합니다. YOLO11 다양한 시나리오에서 회전된 물체를 감지하는 데 높은 정확도와 속도를 제공합니다.

방향 탐지

결론

Ultralytics YOLO11 감지, 분할, 분류, 방향성 물체 감지, 키포인트 감지 등 다양한 컴퓨터 비전 작업을 지원합니다. 각 작업은 기본적인 물체 식별부터 상세한 포즈 분석에 이르기까지 컴퓨터 비전 환경의 특정 요구 사항을 해결합니다. 각 작업의 기능과 애플리케이션을 이해하면 특정 컴퓨터 비전 과제에 가장 적합한 접근 방식을 선택하고 YOLO11 강력한 기능을 활용하여 효과적인 솔루션을 구축할 수 있습니다.

자주 묻는 질문

Ultralytics YOLO11 어떤 컴퓨터 비전 작업을 수행할 수 있나요?

Ultralytics YOLO11 는 다양한 컴퓨터 비전 작업을 높은 정확도와 속도로 수행할 수 있는 다목적 AI 프레임워크입니다. 이러한 작업에는 다음이 포함됩니다:

물체 감지: 이미지 또는 비디오 프레임에서 객체 주위에 경계 상자를 그려 객체를 식별하고 위치를 파악합니다.
이미지 세분화: 의료 영상과 같은 애플리케이션에 유용한 콘텐츠에 따라 이미지를 여러 영역으로 분할하는 기능입니다.
분류: EfficientNet 아키텍처의 변형을 활용하여 콘텐츠에 따라 전체 이미지를 분류합니다.
포즈 추정: 이미지 또는 비디오 프레임에서 특정 키포인트를 감지하여 움직임이나 포즈를 추적합니다.
OBB(방향성 물체 감지): 방향 각도가 추가된 회전된 물체를 감지하여 정확도를 높입니다.

물체 감지를 위해 Ultralytics YOLO11 을 어떻게 사용하나요?

객체 감지를 위해 Ultralytics YOLO11 을 사용하려면 다음 단계를 따르세요:

데이터 집합을 적절한 형식으로 준비합니다.
탐지 작업을 사용하여 YOLO11 모델을 학습시킵니다.
모델을 사용하여 새 이미지 또는 비디오 프레임을 입력하여 예측을 수행합니다.

예

PythonCLI

from ultralytics import YOLO

# Load a pre-trained YOLO model (adjust model type as needed)
model = YOLO("yolo11n.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

# Run YOLO detection from the command line
yolo detect model=yolo11n.pt source="image.jpg" # Adjust model and source as needed

자세한 지침은 탐지 예시를 참조하세요.

세분화 작업에 YOLO11 을 사용하면 어떤 이점이 있나요?

세분화 작업에 YOLO11 을 사용하면 몇 가지 장점이 있습니다:

높은 정확도: 세분화 작업은 U-Net 아키텍처의 변형을 활용하여 정밀한 세분화를 달성합니다.
속도: YOLO11 는 실시간 애플리케이션에 최적화되어 있어 고해상도 이미지도 빠르게 처리할 수 있습니다.
다양한 애플리케이션: 의료 영상, 자율 주행 및 세부적인 이미지 분할이 필요한 기타 애플리케이션에 이상적입니다.

이미지 세분화 섹션에서 세분화를 위한 YOLO11 장점과 사용 사례에 대해 자세히 알아보세요.

Ultralytics YOLO11 포즈 추정 및 키포인트 감지를 처리할 수 있나요?

예, Ultralytics YOLO11 은 높은 정확도와 속도로 포즈 추정 및 키포인트 감지를 효과적으로 수행할 수 있습니다. 이 기능은 스포츠 분석, 헬스케어, 인간과 컴퓨터의 상호작용 애플리케이션에서 움직임을 추적하는 데 특히 유용합니다. YOLO11 이미지 또는 비디오 프레임에서 키포인트를 감지하여 정확한 포즈를 추정할 수 있습니다.

자세한 내용과 구현 팁은 포즈 추정 예시를 참조하세요.