Ultralytics YOLO11 Tarefas
YOLO11 é uma estrutura de IA que suporta múltiplas tarefas de visão computacional. A estrutura pode ser utilizada para efetuar a deteção, segmentação, obb, classificação e estimativa de pose. Cada uma destas tarefas tem um objetivo e um caso de utilização diferentes.
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 deteção 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. O YOLO11 pode detetar vários objectos numa única imagem ou quadro de vídeo com elevada precisão e velocidade.
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. O YOLO11 utiliza uma variante da arquitetura U-Net para efetuar a segmentação.
Classificação
A classificação é uma tarefa que envolve a classificação de uma imagem em diferentes categorias. YOLO11 pode ser utilizado para classificar imagens com base no seu conteúdo. Utiliza uma variante da arquitetura EfficientNet para efetuar a 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. YOLO11 pode detetar pontos-chave numa imagem ou num quadro de vídeo com elevada precisão e rapidez.
OBB
A deteção de objectos orientados vai um passo mais longe do que a deteção de objectos normal, introduzindo um ângulo extra para localizar objectos com maior precisão numa imagem. YOLO11 pode detetar objectos rodados numa imagem ou quadro de vídeo com elevada precisão e velocidade.
Conclusão
YOLO11 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, pode escolher a tarefa adequada para a sua aplicação de visão computacional.
FAQ
Que tarefas podem realizar Ultralytics YOLO11 ?
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: Identificação e localização de objectos em imagens ou fotogramas de vídeo, desenhando caixas delimitadoras à sua volta.
- Segmentação: 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 os benefícios e casos de utilização de YOLO11 para segmentação na secção de segmentação.
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.
