Ultralytics YOLO26 支持的计算机视觉任务#
Ultralytics YOLO26 是一个功能全面的 AI 框架，支持多种计算机视觉任务。你可以使用该框架执行目标检测、实例分割、语义分割、深度估计、分类、姿态估计和OBB。每项任务的目标和应用场景各不相同，让你能够使用一个框架应对各种计算机视觉挑战。
有关计划中的 YOLO27 支持，请参阅 YOLO27 预览版。YOLO27 即将推出，目前尚不可用；本指南使用已发布的 YOLO26 模型。
Watch: Explore Ultralytics YOLO26 Tasks: Object Detection, Instance Segmentation, Semantic Segmentation, Depth Estimation, Classification, Pose Estimation, and OBB.
检测#
检测是 YOLO26 支持的主要任务。它涉及识别图像或视频帧中的对象，并在对象周围绘制边界框。检测到的对象会根据其特征分为不同类别。YOLO26 能以很高的准确率和速度，在单张图像或单个视频帧中检测多个对象，因此非常适合监控系统和自动驾驶汽车等实时应用。
实例分割#
分割在目标检测的基础上，为每个物体生成像素级掩码。对于医学影像、农业分析和制造业质量控制等应用，这种精度非常有用。
语义分割#
语义分割会为图像中的每个像素分配类别标签，从而生成覆盖整个场景的密集类别图。与实例分割不同，语义分割不会区分同一类别中的不同物体。因此，语义分割非常适合自动驾驶、场景解析和土地覆盖制图等任务；在这些任务中，理解完整的空间布局比识别单个物体更重要。
深度估计#
单目深度估计根据单张 RGB 图像预测以米为单位的逐像素深度图。输出是与输入图像对齐的密集浮点图，适用于 3D 场景重建、机器人导航以及 AR/VR 应用；这些应用需要从单个摄像头推断空间布局。
分类#
分类会根据图像内容对整张图像进行分类。这项任务对于电商中的商品分类、内容审核和野生动物监测等应用至关重要。
姿态估计#
姿态估计会检测图像或视频帧中的特定关键点，以跟踪动作或估计姿态。这些关键点可以表示人体关节、面部特征或其他重要关注点。YOLO26 能够快速、精准地检测关键点，因此非常适用于健身应用、体育分析和人机交互。
OBB#
定向边界框 (OBB) 检测通过增加方向角度，改进传统目标检测，使旋转物体的定位更加准确。这项能力对于航空影像分析、文档处理和工业应用尤其有价值，因为这些场景中的物体可能以各种角度出现。YOLO26 能够在不同场景中快速、精准地检测旋转物体。
接下来#
选好任务了吗？使用数据集指南整理数据格式，然后使用你自己的图像进行训练。
常见问题#
Ultralytics YOLO26 是一个功能全面的 AI 框架，能够快速、精准地执行各种计算机视觉任务，包括：
如需使用 Ultralytics YOLO26 进行目标检测，请按以下步骤操作：
- 按照合适的格式准备数据集。
- 使用检测任务训练 YOLO26 模型。
- 输入新的图像或视频帧，使用模型进行预测。
示例from ultralytics import YOLO # 加载预训练的 YOLO 模型（根据需要调整模型类型） model = YOLO("yolo26n.pt") # 提供 n、s、m、l、x 版本 # 对图像执行目标检测 results = model.predict(source="image.jpg") # 也可以使用视频、目录、URL 等作为输入 # 显示结果 results[0].show() # 显示第一张图像的结果如需了解更详细的操作说明，请参阅我们的目标检测示例。
使用 YOLO26 执行分割任务有以下几项优势：
- **高精度：**分割任务可生成精准的像素级掩码。
- **速度快：**YOLO26 针对实时应用进行了优化，即使处理高分辨率图像也很迅速。
- **应用广泛：**YOLO26 非常适用于医学影像、自动驾驶以及其他需要对图像进行精细分割的应用。
在图像分割部分了解更多 YOLO26 分割任务的优势和应用场景。
可以。Ultralytics YOLO26 能够快速、精准地执行姿态估计和关键点检测。这项功能对于跟踪体育分析、医疗保健和人机交互应用中的动作尤其有用。YOLO26 会检测图像或视频帧中的关键点，从而实现精准的姿态估计。
如需了解更多详情和实现技巧，请访问我们的姿态估计示例。