Ultralytics YOLOv8 任务

YOLOv8 是一个支持多种计算机视觉任务的人工智能框架。该框架可用于执行检测、分割、obb、分类和姿态估计。每种任务都有不同的目标和用例。

观看： 探索Ultralytics YOLO 任务：物体检测、分割、OBB、跟踪和姿态估计。

检测

检测是YOLOv8 支持的主要任务。它包括检测图像或视频帧中的物体，并在其周围绘制边界框。YOLOv8 可在单幅图像或视频帧中高精度、高速度地检测多个物体。

检测实例

细分

分割是一项根据图像内容将图像分割成不同区域的任务。每个区域根据其内容分配一个标签。这项任务在图像分割和医学成像等应用中非常有用。YOLOv8 使用 U-Net 架构的变体来执行分割。

细分示例

分类

YOLOv8 可用于根据图像内容对图像进行分类。它使用 EfficientNet 架构的一种变体来执行分类。

分类示例

姿势

姿势/关键点检测是一项涉及检测图像或视频帧中特定点的任务。这些点被称为关键点，用于跟踪运动或姿势估计。YOLOv8 可以高精度、高速度地检测图像或视频帧中的关键点。

姿势示例

OBB

YOLOv8 可以高精度、高速度地检测图像或视频帧中的旋转物体。

定向检测

结论

YOLOv8 支持多种任务，包括检测、分割、分类、面向对象检测和关键点检测。每种任务都有不同的目标和用例。通过了解这些任务之间的差异，您可以为计算机视觉应用选择合适的任务。

常见问题

Ultralytics YOLOv8 可以执行哪些任务？

Ultralytics YOLOv8 是一个通用的人工智能框架，能够高精度、高速度地执行各种计算机视觉任务。这些任务包括

• 检测通过绘制图像或视频帧周围的边界框来识别和定位图像或视频帧中的物体。
• 分割：根据图像内容将图像分割成不同区域，适用于医学成像等应用。
• 分类：利用 EfficientNet 架构的变体，根据图像内容对整个图像进行分类。
• 姿势估计：检测图像或视频帧中的特定关键点，以跟踪运动或姿势。
• 方向物体检测 (OBB)：检测旋转物体时增加一个方向角，以提高准确性。

如何使用Ultralytics YOLOv8 进行物体检测？

要使用Ultralytics YOLOv8 进行物体检测，请按照以下步骤操作：

1. 以适当的格式准备数据集。
2. 使用检测任务训练YOLOv8 模型。
3. 通过输入新图像或视频帧，利用模型进行预测。

from ultralytics import YOLO

model = YOLO("yolov8n.pt")  # Load pre-trained model
results = model.predict(source="image.jpg")  # Perform object detection
results[0].show()

yolo detect model=yolov8n.pt source='image.jpg'

有关更详细的说明，请查看我们的检测示例。

使用YOLOv8 进行细分任务有什么好处？

使用YOLOv8 进行分割任务有几个优势：

1. 高精确度：分割任务利用 U-Net 架构的变体实现精确分割。
2. 速度： YOLOv8 针对实时应用进行了优化，即使是高分辨率图像也能快速处理。
3. 多种应用：它是医疗成像、自动驾驶和其他需要详细图像分割的应用的理想选择。

在 "细分 "部分了解更多YOLOv8 在细分方面的优势和用例。

Ultralytics YOLOv8 能否处理姿势估计和关键点检测？

是的，Ultralytics YOLOv8 可以高精度、高速度地有效执行姿势估计和关键点检测。YOLOv8 可检测图像或视频帧中的关键点，从而进行精确的姿势估计。

有关详细信息和实施技巧，请访问我们的姿势估计示例。

为什么要选择Ultralytics YOLOv8 进行面向对象检测 (OBB)？

带有YOLOv8 的定向物体检测 (OBB) 通过检测带有附加角度参数的物体来提高精度。该功能适用于需要对旋转物体进行精确定位的应用，如航空图像分析和仓库自动化。

• 提高精确度：角度组件可减少旋转物体的误报。
• 应用广泛：适用于地理空间分析、机器人等任务。

请查看定向对象检测部分，了解更多详情和示例。

评论