Qual é a diferença entre segmentação de instâncias e rastreamento de objetos no Ultralytics YOLO26?

A segmentação de instâncias identifica e contorna objetos individuais dentro de uma imagem, dando a cada objeto um rótulo e uma máscara únicos. O rastreamento de objetos expande isso atribuindo IDs consistentes aos objetos através dos quadros de vídeo, facilitando o rastreamento contínuo dos mesmos objetos ao longo do tempo. Quando combinados, como na implementação do YOLO26, você obtém recursos poderosos para analisar o movimento e o comportamento dos objetos em vídeos, mantendo informações precisas sobre os limites.

Por que devo usar o Ultralytics YOLO26 para segmentação de instâncias e rastreamento em vez de outros modelos como Mask R-CNN ou Faster R-CNN?

Ultralytics YOLO26 oferece desempenho em tempo real, accuracy superior e facilidade de uso em comparação com outros modelos como Mask R-CNN ou Faster R-CNN. O YOLO26 processa imagens em uma única passagem (detecção em estágio único), tornando-o significativamente mais rápido enquanto mantém alta precisão. Ele também fornece integração perfeita com a Ultralytics Platform, permitindo aos usuários gerenciar modelos, conjuntos de dados e pipelines de treinamento com eficiência. Para aplicações que exigem velocidade e precisão, o YOLO26 fornece um equilíbrio ideal.

Existem conjuntos de dados fornecidos pela Ultralytics adequados para treinar modelos YOLO26 para segmentação de instâncias e rastreamento?

Sim, o Ultralytics oferece vários conjuntos de dados adequados para treinar modelos YOLO26 para segmentação de instâncias, incluindo COCO-Seg, COCO8-Seg (um subconjunto menor para testes rápidos), Package-Seg e Crack-Seg. Esses conjuntos de dados vêm com anotações de nível de pixel necessárias para tarefas de segmentação de instâncias. Para aplicações mais especializadas, também podes criar conjuntos de dados personalizados seguindo o formato Ultralytics. Informações completas sobre o conjunto de dados e instruções de uso podem ser encontradas na Ultralytics Datasets documentation.

Segmentação de instâncias e rastreamento usando Ultralytics YOLO26 🚀#

O que é segmentação de instâncias?#

Instance segmentation é uma tarefa de visão computacional que envolve a identificação e o contorno de objetos individuais em uma imagem a nível de pixel. Ao contrário da semantic segmentation, que apenas classifica pixels por categoria, a segmentação de instâncias rotula exclusivamente e delinea com precisão cada instância de objeto, tornando-a crucial para aplicações que exigem compreensão espacial detalhada, como imagens médicas, direção autônoma e automação industrial.

Ultralytics YOLO26 fornece recursos poderosos de segmentação de instâncias que permitem a detecção precisa de limites de objetos, mantendo a velocidade e a eficiência pelas quais os modelos YOLO são conhecidos.

Existem dois tipos de rastreamento de segmentação de instâncias disponíveis no pacote Ultralytics:

Segmentação de instâncias com objetos de classe: Cada objeto de classe recebe uma cor única para uma clara separação visual.
Segmentação de instâncias com rastreamento de objetos: Cada rastreamento é representado por uma cor distinta, facilitando a identificação e o acompanhamento fácil através dos quadros de vídeo.

Watch: Instance Segmentation with Object Tracking using Ultralytics YOLO26

Amostras#

Segmentação de Instância	Segmentação de instâncias + Rastreamento de objetos

Segmentação de instâncias Ultralytics 😍	Segmentação de instâncias Ultralytics com rastreamento de objetos 🔥

Segmenta e rastreia com o YOLO26#

A solução InstanceSegmentation executa um modelo de segmentação YOLO26 em cada quadro, desenha máscaras por objeto e colore cada instância separadamente para que possas acompanhar objetos individuais ao longo de um vídeo. Carrega um modelo -seg e, em seguida, executa-o sobre a tua fonte com a API Python ou a CLI.

Segmentação de instâncias usando Ultralytics YOLO

# Instance segmentation using Ultralytics YOLO26
yolo solutions isegment show=True

# Pass a source video
yolo solutions isegment source="path/to/video.mp4"

# Monitor the specific classes
yolo solutions isegment classes="[0, 5]"

Argumentos do `InstanceSegmentation`#

Aqui tens uma tabela com os argumentos do InstanceSegmentation:

Argumento	Tipo	Predefinição	Descrição
`model`	`str`	`None`	Caminho para um ficheiro de modelo YOLO da Ultralytics.
`line_width`	`int`	`2`	Espessura da linha para as caixas, pontos-chave e contagens que a solução desenha.
`verbose`	`bool`	`True`	Ativa o registro por quadro da solução contendo formato de entrada, contagens de classes e velocidade de processamento. A chamada de rastreamento em si é sempre silenciosa.

Também podes tirar partido dos argumentos de track dentro da solução InstanceSegmentation:

Argumento	Tipo	Predefinição	Descrição
`tracker`	`str`	`'botsort.yaml'`	Especifica o algoritmo de rastreamento a utilizar. Opções integradas: `botsort.yaml`, `bytetrack.yaml`, `ocsort.yaml`, `deepocsort.yaml`, `fasttrack.yaml`, `tracktrack.yaml`.
`conf`	`float`	`0.25`	Define o limiar de confiança para as deteções; valores mais baixos permitem que mais objetos sejam rastreados, mas podem incluir falsos positivos.
`iou`	`float`	`0.7`	Define o limiar de Intersection over Union (IoU) para filtrar deteções sobrepostas.
`classes`	`list`	`None`	Filtra resultados por índice de classe. Por exemplo, `classes=[0, 2, 3]` rastreia apenas as classes especificadas.
`device`	`str`	`None`	Especifica o dispositivo para inferência (por exemplo, `cpu`, `cuda:0` ou `0`). Permite aos utilizadores selecionar entre CPU, uma GPU específica ou outros dispositivos de computação para a execução do modelo.

Além disso, os seguintes argumentos de visualização estão disponíveis:

Argumento	Tipo	Predefinição	Descrição
`show`	`bool`	`False`	Se `True`, exibe as imagens ou vídeos anotados em uma janela. Útil para feedback visual imediato durante o desenvolvimento ou teste.
`show_conf`	`bool`	`True`	Exibe a pontuação de confiança para cada detecção ao lado do rótulo. Fornece uma visão sobre a certeza do modelo para cada detecção.
`show_labels`	`bool`	`True`	Exibe rótulos para cada detecção na saída visual. Fornece compreensão imediata dos objetos detectados.
`show_boxes`	`bool`	`True`	Desenha caixas delimitadoras à volta dos objetos detetados. Essencial para identificação visual e localização de objetos em imagens ou fotogramas de vídeo.

Aplicações de segmentação de instâncias#

A segmentação de instâncias com YOLO26 tem inúmeras aplicações no mundo real em vários setores:

Gestão de resíduos e reciclagem#

O YOLO26 pode ser usado em waste management facilities para identificar e separar diferentes tipos de materiais. O modelo pode segmentar resíduos plásticos, papelão, metal e outros recicláveis com alta precisão, permitindo que sistemas de triagem automatizados processem resíduos com mais eficiência. Isto é particularmente valioso considerando que apenas cerca de 10% dos 7 bilhões de toneladas de resíduos plásticos gerados globalmente são reciclados.

Veículos autônomos#

Em self-driving cars, a segmentação de instâncias ajuda a identificar e rastrear pedestres, veículos, sinais de trânsito e outros elementos rodoviários ao nível do pixel. Esta compreensão precisa do ambiente é crucial para a navegação e decisões de segurança. O desempenho em tempo real do YOLO26 torna-o ideal para estas aplicações sensíveis ao tempo.

Imagens médicas#

A segmentação de instâncias pode identificar e delinear tumores, órgãos ou estruturas celulares em exames médicos. A capacidade do YOLO26 de delinear com precisão os limites dos objetos torna-o valioso para medical diagnostics e planeamento de tratamento.

Monitoramento de canteiros de obras#

Em canteiros de obras, a segmentação de instâncias pode rastrear maquinário pesado, trabalhadores e materiais. Isso ajuda a garantir a segurança monitorando as posições dos equipamentos e detectando quando os trabalhadores entram em áreas perigosas, enquanto também otimiza o fluxo de trabalho e a alocação de recursos.

FAQ#

Para realizar a segmentação de instâncias usando Ultralytics YOLO26, inicialize o modelo YOLO com uma versão de segmentação do YOLO26 e processe os quadros de vídeo através dele. Aqui está um exemplo de código simplificado:

import cv2

from ultralytics import solutions

cap = cv2.VideoCapture("path/to/video.mp4")
assert cap.isOpened(), "Error reading video file"

# Video writer
w, h, fps = (int(cap.get(x)) for x in (cv2.CAP_PROP_FRAME_WIDTH, cv2.CAP_PROP_FRAME_HEIGHT, cv2.CAP_PROP_FPS))
video_writer = cv2.VideoWriter("instance-segmentation.avi", cv2.VideoWriter_fourcc(*"mp4v"), fps, (w, h))

# Init InstanceSegmentation
isegment = solutions.InstanceSegmentation(
    show=True,  # display the output
    model="yolo26n-seg.pt",  # model="yolo26n-seg.pt" for object segmentation using YOLO26.
)

# Process video
while cap.isOpened():
    success, im0 = cap.read()
    if not success:
        print("Video frame is empty or processing is complete.")
        break
    results = isegment(im0)
    video_writer.write(results.plot_im)

cap.release()
video_writer.release()
cv2.destroyAllWindows()

Sabe mais sobre a segmentação de instâncias no Ultralytics YOLO26 guide.

A segmentação de instâncias identifica e contorna objetos individuais dentro de uma imagem, dando a cada objeto um rótulo e uma máscara únicos. O rastreamento de objetos expande isso atribuindo IDs consistentes aos objetos através dos quadros de vídeo, facilitando o rastreamento contínuo dos mesmos objetos ao longo do tempo. Quando combinados, como na implementação do YOLO26, você obtém recursos poderosos para analisar o movimento e o comportamento dos objetos em vídeos, mantendo informações precisas sobre os limites.
Ultralytics YOLO26 oferece desempenho em tempo real, accuracy superior e facilidade de uso em comparação com outros modelos como Mask R-CNN ou Faster R-CNN. O YOLO26 processa imagens em uma única passagem (detecção em estágio único), tornando-o significativamente mais rápido enquanto mantém alta precisão. Ele também fornece integração perfeita com a Ultralytics Platform, permitindo aos usuários gerenciar modelos, conjuntos de dados e pipelines de treinamento com eficiência. Para aplicações que exigem velocidade e precisão, o YOLO26 fornece um equilíbrio ideal.
Sim, o Ultralytics oferece vários conjuntos de dados adequados para treinar modelos YOLO26 para segmentação de instâncias, incluindo COCO-Seg, COCO8-Seg (um subconjunto menor para testes rápidos), Package-Seg e Crack-Seg. Esses conjuntos de dados vêm com anotações de nível de pixel necessárias para tarefas de segmentação de instâncias. Para aplicações mais especializadas, também podes criar conjuntos de dados personalizados seguindo o formato Ultralytics. Informações completas sobre o conjunto de dados e instruções de uso podem ser encontradas na Ultralytics Datasets documentation.

Contribuidores

GLglenn-jocher¹⁷ RIRizwanMunawar⁸ RAraimbekovm⁶ MImiles-deans-ultralytics¹ PDpderrenger¹ LEleonnil¹ MAMatthewNoyce¹ IVIvorZhu331¹

Criado 18 de dez. de 2023Atualizado há 5 dias