Задачи компьютерного зрения, поддерживаемые Ultralytics YOLO26

Ultralytics YOLO26 — это универсальный ИИ-фреймворк, поддерживающий множество компьютерного зрения задач. Этот фреймворк можно использовать для выполнения детекции, сегментацию, OBB, классификацию и pose и оценки. У каждой из этих задач свои цели и варианты использования, что позволяет тебе решать различные проблемы компьютерного зрения с помощью одного фреймворка.

Detection

Детекция — это основная задача, поддерживаемая YOLO26. Она включает в себя распознавание объектов на изображении или кадре видео и обводку их ограничивающими рамками (bbox). Распознанные объекты классифицируются по категориям на основе их характеристик. YOLO26 может обнаруживать несколько объектов на одном изображении или кадре видео с высокой точности точностью и скоростью, что делает его идеальным для приложений реального времени, таких как системы наблюдения и автономные транспортные средства.

Примеры детекции

Сегментация изображений

Сегментация развивает детекцию объектов дальше, создавая маски на уровне пикселей для каждого объекта. Эта точность полезна для таких приложений, как медицинская визуализация, агротехнический анализ и контроль качества на производстве.

Примеры сегментации

Classification

Классификация включает категоризацию целых изображений на основе их содержимого. Эта задача важна для таких областей, как категоризация товаров в электронной коммерции, модерация контента и мониторинг дикой природы.

Примеры классификации

Оценка позы

Оценка позы обнаруживает специфические ключевые точки на изображениях или кадрах видео для отслеживания движений или оценки поз. Эти ключевые точки могут представлять суставы человека, черты лица или другие значимые точки интереса. YOLO26 отлично справляется с обнаружением ключевых точек с высокой точностью и скоростью, что делает его ценным для фитнес-приложений, спортивной аналитики и взаимодействия человека с компьютером.

Примеры оценки позы

OBB

Детекция с ориентированными ограничивающими рамками (OBB) дополняет традиционную детекцию объектов, добавляя угол ориентации для более точного определения повернутых объектов. Эта возможность особенно ценна для анализа аэрофотоснимков, обработки документов и промышленных приложений, где объекты могут находиться под разными углами. YOLO26 обеспечивает высокую точность и скорость обнаружения повернутых объектов в различных сценариях.

Oriented Detection

Заключение

Ultralytics YOLO26 поддерживает множество задач компьютерного зрения, включая детекцию, сегментацию, классификацию, детекцию ориентированных объектов и оценку позы. Каждая задача решает специфические потребности в области компьютерного зрения: от простой идентификации объектов до детального анализа поз. Понимая возможности и области применения каждой задачи, ты можешь выбрать наиболее подходящий подход для своих специфических задач и использовать мощные функции YOLO26 для создания эффективных решений.

ЧАВО

Какие задачи компьютерного зрения может выполнять Ultralytics YOLO26?

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

• Детекция объектов: Идентификация и локализация объектов на изображениях или видео с помощью ограничивающих рамок (bbox).
• Сегментация изображений: Сегментация изображений на различные области в зависимости от их содержания, что полезно для таких приложений, как медицинская визуализация.
• Classification: Категоризация целых изображений на основе их содержания.
• Оценка позы: Обнаружение определенных ключевых точек на изображении или кадре видео для отслеживания движений или поз.
• Детекция ориентированных объектов (OBB): Детекция повернутых объектов с дополнительным углом ориентации для повышенной точности.

Как использовать Ultralytics YOLO26 для детекции объектов?

Чтобы использовать Ultralytics YOLO26 для детекции объектов, следуй этим шагам:

1. Подготовь датасет в соответствующем формате.
2. Обучи модель YOLO26, используя задачу детекции.
3. Используй модель для предсказаний, подавая на вход новые изображения или видео.

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

Для получения более подробных инструкций ознакомься с нашими примерами детекции.

В чем преимущества использования YOLO26 для задач сегментации?

Использование YOLO26 для задач сегментации дает несколько преимуществ:

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

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

Может ли Ultralytics YOLO26 выполнять оценку позы и поиск ключевых точек?

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

Для получения более подробной информации и советов по реализации посети наши примеры оценки позы.

Почему стоит выбрать Ultralytics YOLO26 для детекции ориентированных объектов (OBB)?

Детекция ориентированных объектов (OBB) с помощью YOLO26 обеспечивает повышенную половинной точности точность благодаря обнаружению объектов с дополнительным параметром угла. Эта функция полезна для приложений, требующих точной локализации повернутых объектов, таких как анализ аэрофотоснимков и автоматизация складов.

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

Ознакомься с разделом Детекция ориентированных объектов для получения подробностей и примеров.