YOLO Vision 2026:

Задачи компьютерного зрения, поддерживаемые Ultralytics YOLO26#

Ultralytics YOLO supported computer vision tasks

Ultralytics YOLO26 — это универсальный ИИ-фреймворк, поддерживающий множество computer vision задач. Фреймворк можно использовать для выполнения detection, segmentation, semantic segmentation, depth estimation, classification, оценки pose и OBB. У каждой из этих задач свои цели и варианты использования, что позволяет решать самые разные задачи компьютерного зрения с помощью единого фреймворка.



Watch: Explore Ultralytics YOLO Tasks: Object Detection, Segmentation, OBB, Tracking, and Pose Estimation.

Детектирование#

Детекция — основная задача, поддерживаемая YOLO26. Она заключается в поиске объектов на изображении или кадре видео и создании вокруг них ограничивающих рамок. Обнаруженные объекты классифицируются по категориям на основе их признаков. YOLO26 способна обнаруживать несколько объектов на одном изображении или кадре видео с высокой accuracy и скоростью, что делает ее идеальной для приложений реального времени, таких как surveillance systems и autonomous vehicles.

Примеры детектирования

Image segmentation#

Сегментация расширяет возможности детекции объектов за счет создания масок на уровне пикселей для каждого объекта. Такая точность полезна в таких областях, как medical imaging, agricultural analysis и manufacturing quality control.

Примеры сегментации

Семантическая сегментация#

Семантическая сегментация присваивает метку класса каждому пикселю изображения, создавая плотную карту классов для всей сцены. В отличие от сегментации экземпляров, она не разделяет отдельные объекты одного класса. Это делает ее идеальным выбором для autonomous driving, scene parsing и картокрирования земного покрова, где понимание пространственной планировки важнее идентификации конкретных объектов.

Примеры семантической сегментации

Монокулярная оценка глубины#

Монокулярная оценка глубины предсказывает карту глубины для каждого пикселя в метрах на основе одного RGB-изображения. Выходными данными является плотная карта чисел с плавающей запятой, выровненная по входному изображению, что делает её подходящей для 3D-реконструкции сцен, навигации роботов и AR/VR-приложений, где пространственную структуру необходимо вычислить с одной камеры.

Примеры оценки глубины

Классификация#

Классификация заключается в распределении целых изображений по категориям на основе их содержимого. Эта задача необходима для таких сценариев, как product categorization в электронной коммерции, content moderation и wildlife monitoring.

Примеры классификации

Pose estimation#

Оценка позы находит определенные ключевые точки на изображениях или кадрах видео для отслеживания движений или поз. Эти ключевые точки могут представлять собой суставы человека, черты лица или другие важные интересные объекты. YOLO26 отлично справляется с поиском ключевых точек с высокой точностью и скоростью, что делает ее полезной для fitness applications, sports analytics и human-computer interaction.

Примеры оценки позы

OBB#

Ориентированные ограничивающие рамки (OBB) дополняют традиционную детекцию объектов углом ориентации для более точного определения повернутых объектов. Эта возможность особенно ценна для aerial imagery analysis, document processing и industrial applications, где объекты располагаются под самыми разными углами. YOLO26 обеспечивает высокую точность и скорость обнаружения повернутых объектов в самых разных условиях.

Ориентированное детектирование

Заключение#

Ultralytics YOLO26 поддерживает множество задач компьютерного зрения, включая детекцию, сегментацию экземпляров, семантическую сегментацию, монокулярную оценку глубины, классификацию, ориентированную детекцию объектов и поиск ключевых точек. Каждая задача решает специфические потребности в области компьютерного зрения — от базовой идентификации объектов до плотного вывода глубины для каждого пикселя. Понимая возможности и способы применения каждой задачи, ты можешь выбрать наиболее подходящий подход для своих специфических задач и использовать мощные функции YOLO26 для создания эффективных решений.

Что дальше#

Выбрал задачу? Подготовь для нее свои данные с помощью Datasets guide, а затем train on your own images.

FAQ#

  • Ultralytics YOLO26 — это универсальный ИИ-фреймворк, способный выполнять различные задачи компьютерного зрения с высокой точностью и скоростью. К ним относятся:

    • Object Detection: Идентификация и локализация объектов на изображениях или кадрах видео путем построения вокруг них ограничивающих рамок.
    • Image segmentation: Сегментация изображений на различные области на основе их содержимого, что полезно для таких задач, как медицинская визуализация.
    • Semantic Segmentation: Присвоение метки класса каждому пикселю изображения для детального понимания сцены.
    • Monocular Depth Estimation: Предсказание карты глубины в метрах для каждого пикселя по одному RGB-изображению.
    • Classification: Категоризация целых изображений на основе их содержимого.
    • Pose estimation: Обнаружение определенных ключевых точек на изображении или кадре видео для отслеживания движений или поз.
    • Oriented Object Detection (OBB): Обнаружение повернутых объектов с добавлением угла ориентации для повышения точности.

  • Чтобы использовать Ultralytics YOLO26 для детектирования объектов, выполни следующие шаги:

    1. Подготовь свой датасет в соответствующем формате.
    2. Обучи модель YOLO26, используя задачу детектирования.
    3. Используй модель для получения предсказаний, подавая на вход новые изображения или кадры видео.
    Пример
    from ultralytics import YOLO

# Load a pretrained YOLO model (adjust model type as needed)
model = YOLO("yolo26n.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

    Более подробные инструкции можно найти в наших detection examples.

  • Использование YOLO26 для задач сегментации дает несколько преимуществ:

    1. Высокая точность: Задача сегментации позволяет создавать точные маски на уровне пикселей.
    2. Скорость: YOLO26 оптимизирован для приложений реального времени, обеспечивая быструю обработку даже изображений высокого разрешения.
    3. Многочисленные применения: Идеально подходит для медицинской визуализации, автономного вождения и других задач, требующих детальной сегментации изображений.

    Узнай больше о преимуществах и вариантах использования YOLO26 для сегментации в image segmentation section.

  • Да, Ultralytics YOLO26 может эффективно выполнять оценку позы и обнаружение ключевых точек с высокой точностью и скоростью. Эта функция особенно полезна для отслеживания движений в спортивной аналитике, здравоохранении и приложениях взаимодействия человека с компьютером. YOLO26 обнаруживает ключевые точки на изображении или кадре видео, что позволяет точно оценивать позу.

    Дополнительные сведения и советы по реализации ищи в наших pose estimation examples.

  • Ориентированная детекция объектов (OBB) в YOLO26 обеспечивает повышенную precision благодаря обнаружению объектов с дополнительным углом поворота. Эта функция полезна для приложений, требующих точной локализации повернутых объектов, например при анализе аэрофотоснимков и автоматизации складов.

    • Повышенная точность: Компонент угла уменьшает количество ложных срабатываний для повернутых объектов.
    • Универсальность применения: Полезно для задач геопространственного анализа, робототехники и т.д.

    Ознакомься с Oriented Object Detection section, чтобы узнать подробности и посмотреть примеры.

Участники
GLglenn-jocher19RIRizwanMunawar2BOBovey08091RAraimbekovm1MImiles-deans-ultralytics1LALaughing-q1PDpderrenger1LEleonnil1LELexBarou1MAMatthewNoyce1

Комментарии