Ultralytics YOLOv8 Tarefas

YOLOv8 é uma estrutura de IA que suporta múltiplas tarefas de visão computacional. A estrutura pode ser utilizada para efetuar a deteção, a segmentação, a obturação, a classificação e a estimativa de pose. Cada uma destas tarefas tem um objetivo e um caso de utilização diferentes.

Observa: Explora Ultralytics YOLO Tarefas: Deteção de objectos, segmentação, OBB, seguimento e estimativa de pose.

Deteção

A deteção é a principal tarefa suportada pelo YOLOv8. Envolve a deteção de objectos numa imagem ou num quadro de vídeo e o desenho de caixas delimitadoras à sua volta. Os objectos detectados são classificados em diferentes categorias com base nas suas características. YOLOv8 pode detetar vários objectos numa única imagem ou quadro de vídeo com elevada precisão e velocidade.

Exemplos de deteção

Segmentação

A segmentação é uma tarefa que envolve a segmentação de uma imagem em diferentes regiões com base no conteúdo da imagem. A cada região é atribuída uma etiqueta com base no seu conteúdo. Esta tarefa é útil em aplicações como a segmentação de imagens e a imagiologia médica. YOLOv8 utiliza uma variante da arquitetura U-Net para efetuar a segmentação.

Exemplos de segmentação

Classificação

A classificação é uma tarefa que envolve a classificação de uma imagem em diferentes categorias. YOLOv8 pode ser utilizado para classificar imagens com base no seu conteúdo. Utiliza uma variante da arquitetura EfficientNet para efetuar a classificação.

Exemplos de classificação

Pose

A deteção de pose/pontos-chave é uma tarefa que envolve a deteção de pontos específicos numa imagem ou num quadro de vídeo. Estes pontos são designados por pontos-chave e são utilizados para seguir o movimento ou estimar a pose. YOLOv8 pode detetar pontos-chave numa imagem ou num quadro de vídeo com elevada precisão e rapidez.

Exemplos de pose

OBB

A deteção de objectos orientados vai um passo mais além do que a deteção de objectos normal, introduzindo um ângulo extra para localizar objectos com maior precisão numa imagem. YOLOv8 pode detetar objectos rodados numa imagem ou num quadro de vídeo com elevada precisão e velocidade.

Deteção orientada

Conclusão

YOLOv8 suporta múltiplas tarefas, incluindo deteção, segmentação, classificação, deteção de objectos orientados e deteção de pontos-chave. Cada uma destas tarefas tem objectivos e casos de utilização diferentes. Ao compreender as diferenças entre estas tarefas, podes escolher a tarefa adequada para a tua aplicação de visão computacional.

FAQ

Que tarefas podes realizar em Ultralytics YOLOv8 ?

Ultralytics YOLOv8 é uma estrutura de IA versátil capaz de executar várias tarefas de visão computacional com elevada precisão e velocidade. Estas tarefas incluem:

• Deteção: Identifica e localiza objectos em imagens ou quadros de vídeo desenhando caixas delimitadoras à sua volta.
• Segmentação: Segmenta imagens em diferentes regiões com base no seu conteúdo, útil para aplicações como imagens médicas.
• Classificação: Categoriza imagens inteiras com base no seu conteúdo, aproveitando variantes da arquitetura EfficientNet.
• Estimativa de pose: Detecta pontos-chave específicos numa imagem ou num quadro de vídeo para seguir movimentos ou poses.
• Deteção de objectos orientados (OBB): Detecta objectos rodados com um ângulo de orientação adicional para maior precisão.

Como é que utilizo Ultralytics YOLOv8 para a deteção de objectos?

Para utilizar Ultralytics YOLOv8 para a deteção de objectos, segue estes passos:

1. Prepara o teu conjunto de dados no formato adequado.
2. Treina o modelo YOLOv8 utilizando a tarefa de deteção.
3. Utiliza o modelo para fazer previsões, introduzindo novas imagens ou fotogramas de vídeo.

from ultralytics import YOLO

model = YOLO("yolov8n.pt")  # Load pre-trained model
results = model.predict(source="image.jpg")  # Perform object detection
results[0].show()

yolo detect model=yolov8n.pt source='image.jpg'

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

Quais são as vantagens de utilizar YOLOv8 para tarefas de segmentação?

A utilização do YOLOv8 para tarefas de segmentação oferece várias vantagens:

1. Alta precisão: A tarefa de segmentação utiliza uma variante da arquitetura U-Net para obter uma segmentação precisa.
2. Velocidade: YOLOv8 está optimizado para aplicações em tempo real, oferecendo um processamento rápido mesmo para imagens de alta resolução.
3. Aplicações múltiplas: É ideal para imagiologia médica, condução autónoma e outras aplicações que requerem uma segmentação detalhada da imagem.

Sabe mais sobre as vantagens e os casos de utilização de YOLOv8 para segmentação na secção de segmentação.

A Ultralytics YOLOv8 consegue lidar com a estimativa de pose e a deteção de pontos-chave?

Sim, o Ultralytics YOLOv8 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 humano-computador. YOLOv8 detecta pontos-chave numa imagem ou fotograma de vídeo, permitindo uma estimativa precisa da pose.

Para obter mais detalhes e dicas de implementação, visita os nossos exemplos de estimativa de pose.

Por que razão devo escolher Ultralytics YOLOv8 para a deteção orientada de objectos (OBB)?

A Deteção de Objectos Orientados (OBB) com YOLOv8 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.

• Aumenta a precisão: O componente de ângulo reduz os falsos positivos para objectos rodados.
• Aplicações versáteis: Útil para tarefas de análise geoespacial, robótica, etc.

Consulta a secção Deteção de objectos orientados para obteres mais detalhes e exemplos.

Comentários