Link to this sectionСегментация экземпляров и отслеживание с помощью Ultralytics YOLO26 🚀#

Link to this sectionЧто такое сегментация экземпляров?#

Сегментация экземпляров — это задача компьютерного зрения, которая включает идентификацию и оконтуривание отдельных объектов на изображении на уровне пикселей. В отличие от семантической сегментации, которая классифицирует пиксели только по категориям, сегментация экземпляров уникально помечает и точно очерчивает каждый объект, что критически важно для приложений, требующих детального пространственного понимания, таких как медицинская визуализация, автономное вождение и промышленная автоматизация.

Ultralytics YOLO26 предоставляет мощные возможности сегментации экземпляров, которые обеспечивают точное обнаружение границ объектов, сохраняя при этом скорость и эффективность, которыми славятся модели YOLO.

В пакете Ultralytics доступны два типа отслеживания сегментации экземпляров:

• Сегментация экземпляров с объектами класса: каждому классу объектов присваивается уникальный цвет для четкого визуального разделения.

• Сегментация экземпляров с отслеживанием объектов: каждый трек представлен отдельным цветом, что облегчает идентификацию и отслеживание объектов на кадрах видео.

Link to this sectionОбразцы#

Сегментация экземпляров	Сегментация экземпляров + отслеживание объектов
Сегментация экземпляров Ultralytics 😍	Сегментация экземпляров Ultralytics с отслеживанием объектов 🔥

Link to this sectionСегментируй и отслеживай с помощью YOLO26#

Решение InstanceSegmentation запускает модель сегментации YOLO26 на каждом кадре, отрисовывает маски для каждого объекта и раскрашивает каждый экземпляр отдельно, чтобы ты мог отслеживать отдельные объекты на видео. Загрузи модель -seg, а затем запусти ее на своем источнике данных с помощью Python API или CLI.

# Instance segmentation using Ultralytics YOLO26
yolo solutions isegment show=True

# Pass a source video
yolo solutions isegment source="path/to/video.mp4"

# Monitor the specific classes
yolo solutions isegment classes="[0, 5]"

Link to this sectionАргументы InstanceSegmentation#

Вот таблица с аргументами InstanceSegmentation:

Ты также можешь воспользоваться аргументами track в решении InstanceSegmentation:

Кроме того, доступны следующие аргументы визуализации:

Link to this sectionПрименение сегментации экземпляров#

Сегментация экземпляров с помощью YOLO26 имеет множество практических применений в различных отраслях:

Link to this sectionУтилизация и переработка отходов#

YOLO26 можно использовать на предприятиях по переработке отходов для идентификации и сортировки различных типов материалов. Модель может с высокой точностью сегментировать пластиковые отходы, картон, металл и другие вторсырья, позволяя автоматизированным системам сортировки работать более эффективно. Это особенно ценно, учитывая, что перерабатывается лишь около 10% из 7 миллиардов тонн пластиковых отходов, ежегодно производимых в мире.

Link to this sectionАвтономные транспортные средства#

В беспилотных автомобилях сегментация экземпляров помогает идентифицировать и отслеживать пешеходов, транспортные средства, дорожные знаки и другие объекты дорожной инфраструктуры на уровне пикселей. Такое точное понимание окружающей обстановки крайне важно для навигации и принятия решений безопасности. Высокая производительность YOLO26 в реальном времени делает её идеальной для этих критически важных приложений.

Link to this sectionМедицинская визуализация#

Сегментация экземпляров позволяет идентифицировать и очерчивать опухоли, органы или клеточные структуры на медицинских сканах. Способность YOLO26 точно определять границы объектов делает её полезной для медицинской диагностики и планирования лечения.

Link to this sectionМониторинг строительных площадок#

На строительных площадках сегментация экземпляров может отслеживать тяжелую технику, рабочих и материалы. Это помогает обеспечить безопасность за счет контроля положения оборудования и фиксации случаев проникновения рабочих в опасные зоны, одновременно оптимизируя рабочий процесс и распределение ресурсов.

Link to this sectionFAQ#

Link to this sectionКак выполнить сегментацию экземпляров с помощью Ultralytics YOLO26?#

Чтобы выполнить сегментацию экземпляров с помощью Ultralytics YOLO26, инициализируй модель YOLO с версией YOLO26 для сегментации и обрабатывай видеокадры через неё. Вот упрощенный пример кода:

import cv2

from ultralytics import solutions

cap = cv2.VideoCapture("path/to/video.mp4")
assert cap.isOpened(), "Error reading video file"

# Video writer
w, h, fps = (int(cap.get(x)) for x in (cv2.CAP_PROP_FRAME_WIDTH, cv2.CAP_PROP_FRAME_HEIGHT, cv2.CAP_PROP_FPS))
video_writer = cv2.VideoWriter("instance-segmentation.avi", cv2.VideoWriter_fourcc(*"mp4v"), fps, (w, h))

# Init InstanceSegmentation
isegment = solutions.InstanceSegmentation(
    show=True,  # display the output
    model="yolo26n-seg.pt",  # model="yolo26n-seg.pt" for object segmentation using YOLO26.
)

# Process video
while cap.isOpened():
    success, im0 = cap.read()
    if not success:
        print("Video frame is empty or processing is complete.")
        break
    results = isegment(im0)
    video_writer.write(results.plot_im)

cap.release()
video_writer.release()
cv2.destroyAllWindows()

Узнай больше о сегментации экземпляров в руководстве по Ultralytics YOLO26.

Link to this sectionВ чем разница между сегментацией экземпляров и отслеживанием объектов в Ultralytics YOLO26?#

Сегментация экземпляров идентифицирует и очерчивает отдельные объекты на изображении, присваивая каждому объекту уникальную метку и маску. Отслеживание объектов дополняет это, назначая постоянные идентификаторы объектам на разных кадрах видео, что облегчает их непрерывное отслеживание во времени. При объединении, как в реализации YOLO26, ты получаешь мощные возможности для анализа движения и поведения объектов в видео, сохраняя при этом точные данные о границах.

Link to this sectionПочему стоит использовать Ultralytics YOLO26 для сегментации экземпляров и отслеживания вместо других моделей, таких как Mask R-CNN или Faster R-CNN?#

Ultralytics YOLO26 обеспечивает производительность в реальном времени, превосходную точность и простоту использования по сравнению с моделями вроде Mask R-CNN или Faster R-CNN. YOLO26 обрабатывает изображения за один проход (одностадийное обнаружение), что делает её значительно быстрее при сохранении высокой точности. Она также обеспечивает бесшовную интеграцию с Ultralytics Platform, позволяя эффективно управлять моделями, наборами данных и конвейерами обучения. Для приложений, требующих одновременно скорости и точности, YOLO26 обеспечивает оптимальный баланс.

Link to this sectionПредоставляет ли Ultralytics наборы данных, подходящие для обучения моделей YOLO26 для сегментации экземпляров и отслеживания?#

Да, Ultralytics предлагает несколько наборов данных, подходящих для обучения моделей YOLO26 для сегментации экземпляров, включая COCO-Seg, COCO8-Seg (меньший поднабор для быстрого тестирования), Package-Seg и Crack-Seg. Эти наборы данных содержат аннотации на уровне пикселей, необходимые для задач сегментации экземпляров. Для более специализированных приложений ты также можешь создавать собственные наборы данных в формате Ultralytics. Полную информацию о наборах данных и инструкции по их использованию можно найти в документации по наборам данных Ultralytics.