Tarefas de visão computacional suportadas pelo Ultralytics YOLO11
Ultralytics YOLO11 é uma estrutura de IA versátil que suporta múltiplas tarefas de visão computacional. A estrutura pode ser utilizada para efetuar deteção, segmentação, obb, classificação e estimativa de pose. Cada uma destas tarefas tem um objetivo e um caso de utilização diferentes, permitindo-lhe abordar vários desafios de visão computacional com uma única estrutura.
Ver: Explorar Ultralytics YOLO Tarefas: Deteção de objectosSegmentação, OBB, Seguimento e Estimativa de Pose.
Deteção
A deteção é a principal tarefa suportada pelo YOLO11. Envolve a identificação de objectos numa imagem ou quadro de vídeo e o desenho de caixas delimitadoras à sua volta. Os objectos detectados são classificados em diferentes categorias com base nas suas caraterísticas. YOLO11 pode detetar vários objectos numa única imagem ou quadro de vídeo com elevada precisão e velocidade, tornando-o ideal para aplicações em tempo real, como sistemas de vigilância e veículos autónomos.
Segmentação de imagens
A segmentação leva a deteção de objectos mais longe, segmentando uma imagem em diferentes regiões com base no conteúdo. A cada região é atribuída uma etiqueta, fornecendo precisão ao nível do pixel para aplicações como a imagiologia médica, a análise agrícola e o controlo de qualidade do fabrico. YOLO11 implementa uma variante da arquitetura U-Net para realizar uma segmentação eficiente e precisa.
Classificação
A classificação envolve a categorização de imagens inteiras com base no seu conteúdo. As capacidades de classificação do YOLO11 tiram partido de uma variante da arquitetura EfficientNet para fornecer uma classificação de imagens de elevado desempenho. Esta tarefa é essencial para aplicações como a categorização de produtos no comércio eletrónico, moderação de conteúdos e monitorização da vida selvagem.
Estimativa de pose
A estimativa de pose detecta pontos-chave específicos em imagens ou fotogramas de vídeo para seguir movimentos ou estimar poses. Estes pontos-chave podem representar articulações humanas, caraterísticas faciais ou outros pontos de interesse significativos. YOLO11 destaca-se na deteção de pontos-chave com elevada precisão e velocidade, o que o torna valioso para aplicações de fitness, análise desportiva e interação homem-computador.
OBB
A deteção de Oriented Bounding Box (OBB) melhora a deteção de objectos tradicional, adicionando um ângulo de orientação para localizar melhor os objectos rodados. Esta capacidade é particularmente valiosa para a análise de imagens aéreas, processamento de documentos e aplicações industriais em que os objectos aparecem em vários ângulos. YOLO11 oferece alta precisão e velocidade para detetar objectos rodados em diversos cenários.
Conclusão
Ultralytics YOLO11 suporta múltiplas tarefas de visão computacional, incluindo deteção, segmentação, classificação, deteção orientada de objectos e deteção de pontos-chave. Cada tarefa aborda necessidades específicas no panorama da visão computacional, desde a identificação básica de objectos até à análise detalhada da pose. Ao compreender as capacidades e aplicações de cada tarefa, pode selecionar a abordagem mais adequada para os seus desafios específicos de visão computacional e tirar partido das poderosas funcionalidades do YOLO11 para criar soluções eficazes.
FAQ
Que tarefas de visão computacional pode Ultralytics YOLO11 realizar?
Ultralytics YOLO11 é uma estrutura de IA versátil capaz de executar várias tarefas de visão computacional com elevada precisão e rapidez. Estas tarefas incluem:
- Deteção de objectos: Identificação e localização de objectos em imagens ou fotogramas de vídeo, desenhando caixas delimitadoras à sua volta.
- Segmentação de imagens: Segmentação de imagens em diferentes regiões com base no seu conteúdo, útil para aplicações como a imagiologia médica.
- Classificação: Categorização de imagens inteiras com base no seu conteúdo, tirando partido de variantes da arquitetura EfficientNet.
- Estimativa de pose: Deteção de pontos-chave específicos numa imagem ou num quadro de vídeo para seguir movimentos ou poses.
- Deteção de objectos orientados (OBB): Deteção de objectos rodados com um ângulo de orientação adicionado para maior precisão.
Como utilizar Ultralytics YOLO11 para a deteção de objectos?
Para utilizar Ultralytics YOLO11 para a deteção de objectos, siga estes passos:
- Prepare o seu conjunto de dados no formato adequado.
- Treinar o modelo YOLO11 utilizando a tarefa de deteção.
- Utilize o modelo para fazer previsões introduzindo novas imagens ou fotogramas de vídeo.
Exemplo
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
Para obter instruções mais detalhadas, consulte os nossos exemplos de deteção.
Quais são as vantagens de utilizar YOLO11 para tarefas de segmentação?
A utilização do YOLO11 para tarefas de segmentação oferece várias vantagens:
- Elevada precisão: A tarefa de segmentação utiliza uma variante da arquitetura U-Net para obter uma segmentação precisa.
- Velocidade: YOLO11 está optimizado para aplicações em tempo real, oferecendo um processamento rápido mesmo para imagens de alta resolução.
- Múltiplas aplicações: É ideal para imagiologia médica, condução autónoma e outras aplicações que requerem uma segmentação detalhada da imagem.
Saiba mais sobre as vantagens e casos de utilização do YOLO11 para segmentação na secção de segmentação de imagens.
O sítio Ultralytics YOLO11 consegue lidar com a estimativa de pose e a deteção de pontos-chave?
Sim, o Ultralytics YOLO11 pode efetuar eficazmente a estimativa de pose e a deteção de pontos-chave com elevada precisão e velocidade. Esta funcionalidade é particularmente útil para o seguimento de movimentos em aplicações de análise desportiva, cuidados de saúde e interação homem-computador. YOLO11 detecta pontos-chave numa imagem ou fotograma de vídeo, permitindo uma estimativa precisa da pose.
Para obter mais detalhes e dicas de implementação, visite nossos exemplos de estimativa de pose.
Por que razão devo escolher Ultralytics YOLO11 para a deteção orientada de objectos (OBB)?
A Deteção de Objectos Orientados (OBB) com YOLO11 proporciona uma maior precisão através da deteção de objectos com um parâmetro de ângulo adicional. Esta funcionalidade é benéfica para aplicações que requerem uma localização precisa de objectos rodados, como a análise de imagens aéreas e a automatização de armazéns.
- Maior precisão: O componente de ângulo reduz os falsos positivos para objectos rodados.
- Aplicações versáteis: Útil para tarefas de análise geoespacial, robótica, etc.
Consulte a secção Deteção de objectos orientados para obter mais detalhes e exemplos.
