YOLO Vision 2026：

Ultralytics YOLO26 支持的计算机视觉任务#

Ultralytics YOLO supported computer vision tasks

Ultralytics YOLO26 是一个多功能的 AI 框架，支持多种计算机视觉任务。该框架可用于执行检测、分割、语义分割、深度估计、分类、姿态估计以及旋转目标检测（OBB）。这些任务中的每一项都有不同的目标和用例，让你能够用一个框架应对各种计算机视觉挑战。



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

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物体，并在它们周围绘制 BBox。检测到的物体根据其特征被分类为不同的类别。YOLO26 能够以高准确率和速度在单张图像或视频帧中检测多个物体，这使其成为监控系统和自动驾驶车辆等实时应用的理想选择。

检测示例

图像分割#

分割通过为每个对象生成像素级掩码，将对象检测提升到了新的高度。这种精度对于 医学成像、农业分析 和 制造质量控制 等应用非常有用。

分割示例

语义分割#

语义分割为图像中的每个像素分配一个类标签，从而生成整个场景的密集类图。与实例分割不同，它不会区分同一类别的各个物体。这使得它非常适合自动驾驶、场景解析和土地覆盖映射，在这些应用中，理解完整的空间布局比识别单个物体更为重要。

语义分割示例

单目深度估计#

单目深度估计通过单张 RGB 图像预测以米为单位的逐像素深度图。输出是一个与输入图像对齐的密集浮点图，适用于 3D 场景重建、机器人导航以及需要从单台相机推断空间布局的 AR/VR 应用。

深度估计示例

分类#

分类涉及根据内容对整个图像进行归类。此任务对于电子商务中的 产品分类、内容审核 和 野生动物监测 等应用至关重要。

分类示例

姿态估计#

姿态估计通过检测图像或视频帧中的特定关键点来跟踪运动或估计姿态。这些关键点可以代表人体的关节、面部特征或其他重要的兴趣点。YOLO26 在关键点检测方面表现出色，具有高精度和高速度，使其在 健身应用、体育分析 和 人机交互 中极具价值。

姿态示例

OBB#

旋转边界框 (OBB) 检测通过增加旋转角度来增强传统的对象检测，从而更好地定位旋转的对象。此功能对于物体以各种角度出现的 航空影像分析、文档处理 和 工业应用 尤为重要。YOLO26 为在多种场景下检测旋转对象提供了高精度和高速度。

旋转检测

结论#

Ultralytics YOLO26 支持多种计算机视觉任务，包括检测、实例分割、语义分割、单目深度估计、分类、旋转目标检测和关键点检测。每个任务都解决了计算机视觉领域的特定需求，从基础的目标识别到密集的逐像素深度推断。通过了解每项任务的功能和应用，你可以针对具体的计算机视觉挑战选择最合适的方法，并利用 YOLO26 的强大功能构建有效的解决方案。

下一步#

选好任务了吗？请参考 Datasets guide 准备数据格式，然后 train on your own images。

常见问题解答#

  • Ultralytics YOLO26 是一个功能多样的 AI 框架，能够以高精度和高速度执行各种计算机视觉任务。这些任务包括：

    • 对象检测： 通过在图像或视频帧中的对象周围绘制边界框来识别并定位它们。
    • 图像分割： 根据内容将图像分割为不同的区域，对医学成像等应用非常有用。
    • 语义分割： 为图像中的每个像素分配类别标签，以实现密集的场景理解。
    • 单目深度估计： 通过单张 RGB 图像预测以米为单位的逐像素深度图。
    • 分类： 根据内容对整个图像进行归类。
    • 姿态估计： 在图像或视频帧中检测特定的关键点以跟踪运动或姿态。
    • 旋转对象检测 (OBB)： 检测带有额外方向角的旋转对象，以提高精度。

  • 要使用 Ultralytics YOLO26 进行对象检测，请遵循以下步骤：

    1. 以适当的格式准备你的数据集。
    2. 使用检测任务训练 YOLO26 模型。
    3. 通过输入新的图像或视频帧来使用模型进行预测。
    示例
    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

    如需更详细的说明，请查看我们的 检测示例。

  • 使用 YOLO26 进行分割任务具有多项优势：

    1. 高精度： 分割任务提供精确的像素级掩码。
    2. 速度： YOLO26 针对实时应用进行了优化，即使在高分辨率图像下也能提供快速处理。
    3. 多种应用： 它是医学成像、自动驾驶以及其他需要详细图像分割的应用的理想选择。

    在 图像分割部分 了解更多关于 YOLO26 进行分割的好处和用例。

  • 是的，Ultralytics YOLO26 可以有效地执行高精度、高速度的姿态估计和关键点检测。此功能对于在体育分析、医疗保健和人机交互应用中跟踪运动特别有用。YOLO26 检测图像或视频帧中的关键点，从而实现精确的姿态估计。

    如需更多详细信息和实施技巧，请访问我们的 姿态估计示例。

  • 使用 YOLO26 进行旋转对象检测 (OBB) 通过检测带有额外角度参数的对象来提高 精度。此功能对于需要准确定位旋转对象（例如航空影像分析和仓库自动化）的应用非常有益。

    • 提高精度： 角度组件减少了旋转对象的误报。
    • 多功能应用： 适用于地理空间分析、机器人技术等任务。

    查看 旋转对象检测部分 以获取更多详细信息和示例。

贡献者
GLglenn-jocher19RIRizwanMunawar2BOBovey08091RAraimbekovm1MImiles-deans-ultralytics1LALaughing-q1PDpderrenger1LEleonnil1LELexBarou1MAMatthewNoyce1

评论