İçeriğe geç

Ultralytics YOLO11 Tasks


Ultralytics YOLO desteklenen görevler

YOLO11 is an AI framework that supports multiple computer vision tasks. The framework can be used to perform detection, segmentation, obb, classification, and pose estimation. Each of these tasks has a different objective and use case.



İzle: Explore Ultralytics YOLO Tasks: Nesne Algılama, Segmentation, OBB, Tracking, and Pose Estimation.

Algılama

Detection is the primary task supported by YOLO11. It involves detecting objects in an image or video frame and drawing bounding boxes around them. The detected objects are classified into different categories based on their features. YOLO11 can detect multiple objects in a single image or video frame with high accuracy and speed.

Tespit Örnekleri

Segmentasyon

Segmentation is a task that involves segmenting an image into different regions based on the content of the image. Each region is assigned a label based on its content. This task is useful in applications such as image segmentation and medical imaging. YOLO11 uses a variant of the U-Net architecture to perform segmentation.

Segmentasyon Örnekleri

Sınıflandırma

Classification is a task that involves classifying an image into different categories. YOLO11 can be used to classify images based on their content. It uses a variant of the EfficientNet architecture to perform classification.

Sınıflandırma Örnekleri

Pose

Pose/keypoint detection is a task that involves detecting specific points in an image or video frame. These points are referred to as keypoints and are used to track movement or pose estimation. YOLO11 can detect keypoints in an image or video frame with high accuracy and speed.

Poz Örnekleri

OBB

Oriented object detection goes a step further than regular object detection with introducing an extra angle to locate objects more accurate in an image. YOLO11 can detect rotated objects in an image or video frame with high accuracy and speed.

Yönlendirilmiş Algılama

Sonuç

YOLO11 supports multiple tasks, including detection, segmentation, classification, oriented object detection and keypoints detection. Each of these tasks has different objectives and use cases. By understanding the differences between these tasks, you can choose the appropriate task for your computer vision application.

SSS

What tasks can Ultralytics YOLO11 perform?

Ultralytics YOLO11 is a versatile AI framework capable of performing various computer vision tasks with high accuracy and speed. These tasks include:

  • Algılama: Etraflarına sınırlayıcı kutular çizerek görüntülerdeki veya video karelerindeki nesneleri tanımlama ve konumlandırma.
  • Segmentasyon: Görüntüleri içeriklerine göre farklı bölgelere ayırma, tıbbi görüntüleme gibi uygulamalar için kullanışlıdır.
  • Sınıflandırma: EfficientNet mimarisinin varyantlarından yararlanarak tüm görüntüleri içeriklerine göre sınıflandırmak.
  • Poz tahmini: Hareketleri veya pozları izlemek için bir görüntü veya video karesindeki belirli anahtar noktaların algılanması.
  • YönlendirilmişNesne Algılama (OBB): Gelişmiş doğruluk için döndürülmüş nesneleri ek bir yönlendirme açısı ile algılama.

How do I use Ultralytics YOLO11 for object detection?

To use Ultralytics YOLO11 for object detection, follow these steps:

  1. Veri setinizi uygun formatta hazırlayın.
  2. Train the YOLO11 model using the detection task.
  3. Yeni görüntüler veya video kareleri girerek tahminler yapmak için modeli kullanın.

Örnek

from ultralytics import YOLO

# Load a pre-trained YOLO model (adjust model type as needed)
model = YOLO("yolo11n.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
# Run YOLO detection from the command line
yolo detect model=yolo11n.pt source="image.jpg"  # Adjust model and source as needed

Daha ayrıntılı talimatlar için algılama örneklerimize göz atın.

What are the benefits of using YOLO11 for segmentation tasks?

Using YOLO11 for segmentation tasks provides several advantages:

  1. Yüksek Doğruluk: Segmentasyon görevi, hassas segmentasyon elde etmek için U-Net mimarisinin bir varyantından yararlanır.
  2. Speed: YOLO11 is optimized for real-time applications, offering quick processing even for high-resolution images.
  3. Çoklu Uygulamalar: Tıbbi görüntüleme, otonom sürüş ve ayrıntılı görüntü segmentasyonu gerektiren diğer uygulamalar için idealdir.

Learn more about the benefits and use cases of YOLO11 for segmentation in the segmentation section.

Can Ultralytics YOLO11 handle pose estimation and keypoint detection?

Yes, Ultralytics YOLO11 can effectively perform pose estimation and keypoint detection with high accuracy and speed. This feature is particularly useful for tracking movements in sports analytics, healthcare, and human-computer interaction applications. YOLO11 detects keypoints in an image or video frame, allowing for precise pose estimation.

Daha fazla ayrıntı ve uygulama ipuçları için poz tahmini örneklerimizi ziyaret edin.

Why should I choose Ultralytics YOLO11 for oriented object detection (OBB)?

Oriented Object Detection (OBB) with YOLO11 provides enhanced precision by detecting objects with an additional angle parameter. This feature is beneficial for applications requiring accurate localization of rotated objects, such as aerial imagery analysis and warehouse automation.

  • Artırılmış Hassasiyet: Açı bileşeni, döndürülmüş nesneler için yanlış pozitifleri azaltır.
  • Çok Yönlü Uygulamalar: Jeo-uzamsal analiz, robotik vb. görevler için kullanışlıdır.

Daha fazla ayrıntı ve örnek için Yönlendirilmiş Nesne Algılama bölümüne göz atın.


📅 Created 11 months ago ✏️ Updated 5 days ago

Yorumlar