Ultralytics YOLO11 작업

YOLO11 는 여러 컴퓨터 비전 작업을 지원하는 AI 프레임워크입니다. 이 프레임워크는 감지, 세분화, 오브젝트, 분류, 포즈 추정을 수행하는 데 사용할 수 있습니다. 이러한 작업은 각각 다른 목표와 사용 사례를 가지고 있습니다.

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

탐지

감지는 YOLO11 에서 지원하는 주요 작업입니다. 여기에는 이미지 또는 비디오 프레임에서 객체를 감지하고 그 주위에 경계 상자를 그리는 작업이 포함됩니다. 탐지된 객체는 특징에 따라 다양한 카테고리로 분류됩니다. YOLO11 는 단일 이미지 또는 비디오 프레임에서 여러 객체를 높은 정확도와 속도로 탐지할 수 있습니다.

탐지 예시

세분화

세그멘테이션은 이미지의 콘텐츠에 따라 이미지를 여러 영역으로 분할하는 작업입니다. 각 영역에는 콘텐츠에 따라 레이블이 할당됩니다. 이 작업은 이미지 분할 및 의료 영상과 같은 애플리케이션에서 유용합니다. YOLO11 에서는 U-Net 아키텍처의 변형을 사용하여 분할을 수행합니다.

세분화 예시

분류

분류는 이미지를 여러 카테고리로 분류하는 작업입니다. YOLO11 을 사용하여 콘텐츠에 따라 이미지를 분류할 수 있습니다. 이 도구는 EfficientNet 아키텍처의 변형을 사용하여 분류를 수행합니다.

분류 예시

포즈

포즈/키포인트 감지는 이미지 또는 동영상 프레임에서 특정 포인트를 감지하는 작업입니다. 이러한 지점을 키포인트라고 하며 움직임을 추적하거나 포즈를 추정하는 데 사용됩니다. YOLO11 는 이미지 또는 동영상 프레임에서 높은 정확도와 속도로 키포인트를 감지할 수 있습니다.

포즈 예시

OBB

방향성 물체 감지는 일반 물체 감지보다 한 단계 더 나아가 이미지에서 물체를 더 정확하게 찾기 위해 추가 각도를 도입하여 이미지 또는 동영상 프레임에서 회전된 물체를 높은 정확도와 속도로 감지할 수 있습니다( YOLO11 ).

방향 탐지

결론

YOLO11 는 감지, 세분화, 분류, 방향성 객체 감지, 키포인트 감지 등 다양한 작업을 지원합니다. 이러한 작업은 각각 다른 목표와 사용 사례를 가지고 있습니다. 이러한 작업 간의 차이점을 이해하면 컴퓨터 비전 애플리케이션에 적합한 작업을 선택할 수 있습니다.

자주 묻는 질문

Ultralytics YOLO11 어떤 작업을 수행할 수 있나요?

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

• 감지: 감지: 이미지 또는 비디오 프레임에서 객체 주위에 경계 상자를 그려 객체를 식별하고 위치를 파악합니다.
• 세분화: 의료 영상과 같은 애플리케이션에 유용한 콘텐츠에 따라 이미지를 여러 영역으로 세분화하는 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:

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

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:

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

세분화 섹션에서 세분화를 위한 YOLO11 의 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.

방향성 객체 감지(OBB)를 위해 Ultralytics YOLO11 을 선택해야 하는 이유는 무엇인가요?

오리엔티드 오브젝트 감지( YOLO11 )는 추가 각도 매개변수가 있는 오브젝트를 감지하여 정밀도를 향상시킵니다. 이 기능은 항공 이미지 분석 및 창고 자동화와 같이 회전된 물체의 정확한 위치 파악이 필요한 애플리케이션에 유용합니다.

• 정밀도 향상: 각도 구성 요소는 회전된 오브젝트에 대한 오탐지를 줄여줍니다.
• 다양한 애플리케이션: 지리 공간 분석, 로봇 공학 등의 작업에 유용합니다.

자세한 내용과 예시는 방향성 객체 감지 섹션을 확인하세요.

📅1 년 전 생성됨 ✏️ 업데이트됨 14일 전

댓글