Ultralytics YOLO27:
Get Started

Tarefas de visão computacional compatíveis com Ultralytics YOLO26#

Ultralytics YOLO supported computer vision tasks

Ultralytics YOLO26 é uma estrutura de IA versátil compatível com várias tarefas de visão computacional. A estrutura pode ser usada para realizar detecção, segmentação, segmentação semântica, estimativa de profundidade, classificação, estimativa de pose e OBB. Cada uma dessas tarefas tem um objetivo e um caso de uso diferentes, permitindo resolver diversos desafios de visão computacional com uma única estrutura.

Para saberes mais sobre o suporte planeado para YOLO27, consulta a pré-visualização do YOLO27. YOLO27 será lançado em breve e ainda não está disponível; este guia utiliza modelos YOLO26 já lançados.



Assista: Explore as tarefas do Ultralytics YOLO26: Detecção de objetos, segmentação de instâncias, segmentação semântica, estimativa de profundidade, classificação, estimativa de pose e OBB.

Detecção#

A detecção é a principal tarefa compatível com o YOLO26. Ela consiste em identificar objetos em uma imagem ou quadro de vídeo e desenhar caixas delimitadoras ao redor deles. Os objetos detectados são classificados em diferentes categorias com base em suas características. O YOLO26 pode detectar vários objetos em uma única imagem ou quadro de vídeo com alta precisão e velocidade, sendo ideal para aplicações em tempo real, como sistemas de vigilância e veículos autônomos.

Exemplos de detecção

Segmentação de instâncias#

A segmentação vai além da detecção de objetos ao produzir máscaras no nível do pixel para cada objeto. Essa precisão é útil em aplicações como imagens médicas, análise agrícola e controle de qualidade na fabricação.

Exemplos de segmentação

Segmentação semântica#

A segmentação semântica atribui um rótulo de classe a cada pixel de uma imagem, produzindo um mapa denso de classes de toda a cena. Ao contrário da segmentação de instâncias, ela não distingue objetos individuais da mesma classe. Isso a torna ideal para condução autônoma, interpretação de cenas e mapeamento da cobertura do solo, nos quais entender a disposição espacial completa é mais importante do que identificar objetos individuais.

Exemplos de segmentação semântica

Estimativa de profundidade#

A estimativa monocular de profundidade prevê um mapa de profundidade por pixel, em metros, a partir de uma única imagem RGB. A saída é um mapa denso de valores de ponto flutuante alinhado à imagem de entrada, o que o torna adequado para reconstrução de cenas 3D, navegação robótica e aplicações de AR/VR em que é preciso inferir a disposição espacial a partir de uma única câmera.

Exemplos de estimativa de profundidade

Classificação#

A classificação consiste em categorizar imagens inteiras com base no conteúdo. Essa tarefa é essencial para aplicações como categorização de produtos no comércio eletrônico, moderação de conteúdo e monitoramento da vida selvagem.

Exemplos de classificação

Estimativa de pose#

A estimativa de pose detecta pontos-chave específicos em imagens ou quadros de vídeo para rastrear movimentos ou estimar poses. Esses pontos-chave podem representar articulações humanas, traços faciais ou outros pontos de interesse significativos. O YOLO26 se destaca na detecção de pontos-chave com alta precisão e velocidade, sendo útil para aplicações de condicionamento físico, análise esportiva e interação humano-computador.

Exemplos de pose

OBB#

A deteção de caixas delimitadoras orientadas (OBB) melhora a deteção tradicional de objetos ao adicionar um ângulo de orientação para localizar melhor objetos rodados. Esta capacidade é particularmente valiosa para a análise de imagens aéreas, o processamento de documentos e as aplicações industriais, onde os objetos aparecem em vários ângulos. YOLO26 oferece elevada precisão e velocidade na deteção de objetos rodados em diversos cenários.

Exemplos de OBB

O que fazer a seguir#

Já escolheste uma tarefa? Formata os teus dados com o guia de conjuntos de dados e, em seguida, treina com as tuas próprias imagens.

Perguntas frequentes#

  • Ultralytics YOLO26 é uma framework de IA versátil, capaz de executar várias tarefas de visão computacional com elevada precisão e velocidade. Estas tarefas incluem:

    • Deteção de objetos: Identificação e localização de objetos em imagens ou fotogramas de vídeo através do desenho de caixas delimitadoras à sua volta.
    • Segmentação de instâncias: Geração de uma máscara ao nível dos píxeis para cada objeto detetado, útil em aplicações como imagiologia médica.
    • Segmentação semântica: Atribuição de um rótulo de classe a cada píxel de uma imagem para uma compreensão densa da cena.
    • Estimativa de profundidade: Previsão de um mapa de profundidade por píxel, em metros, a partir de uma única imagem RGB.
    • Classificação: Categorização de imagens completas com base no seu conteúdo.
    • Estimativa de pose: Deteção de pontos-chave específicos numa imagem ou num fotograma de vídeo para acompanhar movimentos ou poses.
    • Deteção de objetos orientados (OBB): Deteção de objetos rodados com um ângulo de orientação adicional para maior precisão.

  • Para usar o Ultralytics YOLO26 na deteção de objetos, segue estes passos:

    1. Prepara o teu conjunto de dados no formato adequado.
    2. Treina o modelo YOLO26 com a tarefa de deteção.
    3. Usa o modelo para fazer previsões, fornecendo novas imagens ou fotogramas de vídeo.
    Exemplo
    from ultralytics import YOLO

# Carrega um modelo YOLO pré-treinado (ajusta o tipo de modelo conforme necessário)
model = YOLO("yolo26n.pt")  # n, s, m, l, x versions available

# Realizar detecção de objetos em uma imagem
results = model.predict(source="image.jpg")  # Também podes usar vídeo, diretório, URL, etc.

# Apresenta os resultados
results[0].show()  # Mostra os resultados da primeira imagem

    Para obter instruções mais detalhadas, consulta os nossos exemplos de deteção.

  • Usar YOLO26 em tarefas de segmentação oferece várias vantagens:

    1. Elevada precisão: A tarefa de segmentação produz máscaras precisas ao nível dos píxeis.
    2. Velocidade: YOLO26 está otimizado para aplicações em tempo real e oferece processamento rápido, mesmo para imagens de alta resolução.
    3. Várias aplicações: É ideal para imagiologia médica, condução autónoma e outras aplicações que exigem segmentação detalhada de imagens.

    Sabe mais sobre as vantagens e os casos de utilização de YOLO26 para segmentação na secção de segmentação de imagens.

  • Sim, o Ultralytics YOLO26 consegue realizar eficazmente a estimativa de pose e a deteção de pontos-chave com elevada precisão e velocidade. Esta funcionalidade é particularmente útil para acompanhar movimentos em análises desportivas, cuidados de saúde e aplicações de interação homem-computador. YOLO26 deteta pontos-chave numa imagem ou num fotograma de vídeo, permitindo uma estimativa de pose precisa.

    Para mais detalhes e sugestões de implementação, consulta os nossos exemplos de estimativa de pose.

  • A deteção de objetos orientados (OBB) com YOLO26 aumenta a precisão ao detetar objetos com um parâmetro de ângulo adicional. Esta funcionalidade é vantajosa para aplicações que exigem a localização precisa de objetos rodados, como a análise de imagens aéreas e a automação de armazéns.

    • Maior precisão: A componente de ângulo reduz os falsos positivos para objetos rodados.
    • Aplicações versáteis: Útil em tarefas de análise geoespacial, robótica, etc.

    Consulta a secção de deteção de objetos orientados para mais detalhes e exemplos.

Colaboradores
GLglenn-jocher21RAraimbekovm4RIRizwanMunawar3BOBovey08091MImiles-deans-ultralytics1LALaughing-q1PDpderrenger1LEleonnil1LELexBarou1MAMatthewNoyce1

Comentários