Salta para o conte√ļdo

Ultralytics YOLOv8 Tarefas


Ultralytics YOLO tarefas suportadas

YOLOv8 √© uma estrutura de IA que suporta m√ļltiplas tarefas de vis√£o computacional. A estrutura pode ser utilizada para efetuar a dete√ß√£o, a segmenta√ß√£o, a obtura√ß√£o, a classifica√ß√£o e a estimativa de pose. Cada uma destas tarefas tem um objetivo e um caso de utiliza√ß√£o diferentes.



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

Deteção

A dete√ß√£o √© a principal tarefa suportada pelo YOLOv8. Envolve a dete√ß√£o de objectos numa imagem ou num quadro de v√≠deo e o desenho de caixas delimitadoras √† sua volta. Os objectos detectados s√£o classificados em diferentes categorias com base nas suas caracter√≠sticas. YOLOv8 pode detetar v√°rios objectos numa √ļnica imagem ou quadro de v√≠deo com elevada precis√£o e velocidade.

Exemplos de deteção

Segmentação

A segmenta√ß√£o √© uma tarefa que envolve a segmenta√ß√£o de uma imagem em diferentes regi√Ķes com base no conte√ļdo da imagem. A cada regi√£o √© atribu√≠da uma etiqueta com base no seu conte√ļdo. Esta tarefa √© √ļtil em aplica√ß√Ķes como a segmenta√ß√£o de imagens e a imagiologia m√©dica. YOLOv8 utiliza uma variante da arquitetura U-Net para efetuar a segmenta√ß√£o.

Exemplos de segmentação

Classificação

A classifica√ß√£o √© uma tarefa que envolve a classifica√ß√£o de uma imagem em diferentes categorias. YOLOv8 pode ser utilizado para classificar imagens com base no seu conte√ļdo. Utiliza uma variante da arquitetura EfficientNet para efetuar a classifica√ß√£o.

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 dete√ß√£o de objectos orientados vai um passo mais al√©m do que a dete√ß√£o de objectos normal, introduzindo um √Ęngulo extra para localizar objectos com maior precis√£o numa imagem. YOLOv8 pode detetar objectos rodados numa imagem ou num quadro de v√≠deo com elevada precis√£o e velocidade.

Deteção orientada

Conclus√£o

YOLOv8 suporta m√ļltiplas tarefas, incluindo dete√ß√£o, segmenta√ß√£o, classifica√ß√£o, dete√ß√£o de objectos orientados e dete√ß√£o de pontos-chave. Cada uma destas tarefas tem objectivos e casos de utiliza√ß√£o diferentes. Ao compreender as diferen√ßas entre estas tarefas, podes escolher a tarefa adequada para a tua aplica√ß√£o de vis√£o 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:

  • Dete√ß√£o: Identifica e localiza objectos em imagens ou quadros de v√≠deo desenhando caixas delimitadoras √† sua volta.
  • Segmenta√ß√£o: Segmenta imagens em diferentes regi√Ķes com base no seu conte√ļdo, √ļtil para aplica√ß√Ķes como imagens m√©dicas.
  • Classifica√ß√£o: Categoriza imagens inteiras com base no seu conte√ļdo, aproveitando variantes da arquitetura EfficientNet.
  • Estimativa de pose: Detecta pontos-chave espec√≠ficos numa imagem ou num quadro de v√≠deo para seguir movimentos ou poses.
  • Dete√ß√£o de objectos orientados (OBB): Detecta objectos rodados com um √Ęngulo de orienta√ß√£o adicional para maior precis√£o.

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 previs√Ķes, introduzindo novas imagens ou fotogramas de v√≠deo.

Exemplo

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 instru√ß√Ķes mais detalhadas, consulta os nossos exemplos de dete√ß√£o.

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 est√° optimizado para aplica√ß√Ķes em tempo real, oferecendo um processamento r√°pido mesmo para imagens de alta resolu√ß√£o.
  3. Aplica√ß√Ķes m√ļltiplas: √Č ideal para imagiologia m√©dica, condu√ß√£o aut√≥noma e outras aplica√ß√Ķes que requerem uma segmenta√ß√£o 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 dete√ß√£o de pontos-chave com elevada precis√£o e velocidade. Esta funcionalidade √© particularmente √ļtil para o seguimento de movimentos em aplica√ß√Ķes de an√°lise desportiva, cuidados de sa√ļde e intera√ß√£o humano-computador. YOLOv8 detecta pontos-chave numa imagem ou fotograma de v√≠deo, 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 Dete√ß√£o de Objectos Orientados (OBB) com YOLOv8 proporciona uma maior precis√£o atrav√©s da dete√ß√£o de objectos com um par√Ęmetro de √Ęngulo adicional. Esta funcionalidade √© ben√©fica para aplica√ß√Ķes que requerem uma localiza√ß√£o precisa de objectos rodados, como a an√°lise de imagens a√©reas e a automatiza√ß√£o de armaz√©ns.

  • Aumenta a precis√£o: O componente de √Ęngulo reduz os falsos positivos para objectos rodados.
  • Aplica√ß√Ķes vers√°teis: √ötil para tarefas de an√°lise geoespacial, rob√≥tica, etc.

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



Criado em 2023-11-12, Atualizado em 2024-07-04
Autores: glenn-jocher (7), RizwanMunawar (1), AyushExel (1)

Coment√°rios