Ultralytics YOLO27:
Get Started

Задачи компьютерного зрения, поддерживаемые Ultralytics YOLO26#

Ultralytics YOLO supported computer vision tasks

Ultralytics YOLO26 — это универсальный AI-фреймворк, поддерживающий множество задач в области компьютерного зрения. Фреймворк можно использовать для обнаружения, сегментации, семантической сегментации, оценки глубины, классификации, оценки позы и OBB. У каждой задачи своя цель и область применения, поэтому один фреймворк позволяет решать самые разные задачи компьютерного зрения.

Информацию о планируемой поддержке YOLO27 см. в предварительном обзоре YOLO27. YOLO27 скоро выйдет, но пока недоступна; в этом руководстве используются выпущенные модели YOLO26.



Смотри: Изучаем задачи Ultralytics YOLO26: обнаружение объектов, сегментация экземпляров, семантическая сегментация, оценка глубины, классификация, оценка позы и OBB.

Обнаружение#

Обнаружение — основная задача, которую поддерживает YOLO26. Она включает поиск объектов на изображении или видеокадре и обведение их ограничивающими рамками. Обнаруженные объекты распределяются по категориям на основе их признаков. YOLO26 может с высокой точностью и скоростью обнаруживать несколько объектов на одном изображении или видеокадре, поэтому модель идеально подходит для таких приложений реального времени, как системы видеонаблюдения и автономные транспортные средства.

Примеры обнаружения

Сегментация экземпляров#

Сегментация расширяет возможности обнаружения объектов, создавая для каждого объекта маску на уровне пикселей. Такая точность полезна в таких областях, как медицинская визуализация, анализ сельскохозяйственных данных и контроль качества на производстве.

Примеры сегментации

Семантическая сегментация#

Семантическая сегментация присваивает каждому пикселю изображения метку класса, создавая плотную карту классов всей сцены. В отличие от сегментации экземпляров, она не различает отдельные объекты одного класса. Поэтому она идеально подходит для автономного вождения, сегментации сцены и картографирования земного покрова, где важно понимать общую пространственную структуру, а не идентифицировать отдельные объекты.

Примеры семантической сегментации

Оценка глубины#

Монокулярная оценка глубины по одному RGB-изображению предсказывает карту глубины в метрах для каждого пикселя. На выходе получается плотная карта с вещественными значениями, выровненная по входному изображению. Это подходит для реконструкции 3D-сцен, навигации роботов и приложений AR/VR, где пространственную структуру нужно определить по изображению с одной камеры.

Примеры оценки глубины

Классификация#

Классификация распределяет изображения по категориям на основе их содержимого. Эта задача важна для таких приложений, как категоризация товаров в электронной коммерции, модерация контента и мониторинг дикой природы.

Примеры классификации

Оценка позы#

Оценка позы обнаруживает ключевые точки на изображениях или видеокадрах, чтобы отслеживать движения или определять позы. Эти точки могут соответствовать суставам человека, чертам лица или другим важным ориентирам. YOLO26 эффективно обнаруживает ключевые точки с высокой точностью и скоростью, что делает модель полезной для фитнес-приложений, спортивной аналитики и взаимодействия человека с компьютером.

Примеры оценки позы

OBB#

Обнаружение объектов с ориентированными ограничивающими рамками (OBB) расширяет возможности традиционного обнаружения объектов: угол ориентации помогает точнее локализовать повёрнутые объекты. Эта возможность особенно полезна для анализа аэрофотоснимков, обработки документов и промышленного применения, где объекты могут располагаться под разными углами. YOLO26 обеспечивает высокую точность и скорость обнаружения повёрнутых объектов в самых разных сценариях.

Примеры OBB

Что дальше#

Выбрал задачу? Подготовь данные в нужном формате с помощью руководства по датасетам, а затем обучи модель на собственных изображениях.

Часто задаваемые вопросы#

  • Ultralytics YOLO26 — универсальный фреймворк ИИ, который решает различные задачи компьютерного зрения с высокой точностью и скоростью. К ним относятся:

    • Обнаружение объектов: Определение объектов на изображениях или видеокадрах и их локализация с помощью ограничивающих рамок.
    • Сегментация экземпляров: Создание пиксельной маски для каждого обнаруженного объекта; это полезно, например, в медицинской визуализации.
    • Семантическая сегментация: Присвоение метки класса каждому пикселю изображения для детального понимания сцены.
    • Оценка глубины: Предсказание карты глубины в метрах для каждого пикселя по одному RGB-изображению.
    • Классификация: Отнесение целых изображений к категориям на основе их содержимого.
    • Оценка позы: Обнаружение ключевых точек на изображении или видеокадре для отслеживания движений или поз.
    • Обнаружение ориентированных объектов (OBB): Обнаружение повёрнутых объектов с учётом дополнительного угла ориентации для повышения точности.

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

    1. Подготовь датасет в подходящем формате.
    2. Обучи модель YOLO26 для задачи обнаружения объектов.
    3. Передай модели новые изображения или видеокадры, чтобы получить предсказания.
    Пример
    from ultralytics import YOLO

# Загрузи предварительно обученную модель YOLO (при необходимости выбери другой тип модели)
model = YOLO("yolo26n.pt")  # Доступны версии n, s, m, l, x

# Выполнить обнаружение объектов на изображении
results = model.predict(source="image.jpg")  # Можно также использовать видео, каталог, URL и т. д.

# Отобрази результаты
results[0].show()  # Покажи результаты для первого изображения

    Подробные инструкции см. в примерах обнаружения объектов.

  • Использование YOLO26 для сегментации даёт несколько преимуществ:

    1. Высокая точность: Задача сегментации позволяет создавать точные маски на уровне пикселей.
    2. Скорость: YOLO26 оптимизирована для приложений реального времени и быстро обрабатывает даже изображения высокого разрешения.
    3. Широкий спектр применения: Модель подходит для медицинской визуализации, автономного вождения и других задач, требующих детальной сегментации изображений.

    Узнай больше о преимуществах и вариантах использования YOLO26 для сегментации в разделе сегментации изображений.

  • Да, Ultralytics YOLO26 эффективно выполняет 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 видеокадре, что позволяет точно оценивать позу.

    Подробности и советы по реализации см. в примерах оценки позы.

  • Обнаружение ориентированных объектов (OBB) с YOLO26 повышает точность, позволяя обнаруживать объекты с дополнительным параметром угла. Эта функция полезна в задачах, где нужна точная локализация повёрнутых объектов, например при анализе аэрофотоснимков и автоматизации складов.

    • Повышенная точность: Учёт угла снижает число ложных срабатываний при обнаружении повёрнутых объектов.
    • Широкий спектр применения: Подходит для геопространственного анализа, робототехники и других задач.

    Подробнее и примеры см. в разделе обнаружения ориентированных объектов.

Участники
GLglenn-jocher21RAraimbekovm4RIRizwanMunawar3BOBovey08091MImiles-deans-ultralytics1LALaughing-q1PDpderrenger1LEleonnil1LELexBarou1MAMatthewNoyce1

Комментарии