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，支持多个计算机视觉任务。该框架可用于执行检测、分割、语义分割、深度估计、分类、姿态估计和 OBB。这些任务各有不同的目标和用例，让你能够通过单个框架应对各种计算机视觉挑战。



Watch: Explore Ultralytics YOLO26 Tasks: Object Detection, 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其周围绘制边界框。检测到的对象根据其特征被分类到不同的类别中。YOLO26 能够在单个图像或视频帧中以高准确率和速度检测多个对象，使其非常适合监控系统和自动驾驶汽车等实时应用。

检测示例

图像分割#

分割通过为每个对象生成像素级掩码，将对象检测推进了一步。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类别标签，生成整个场景的密集类别图。与实例分割不同，它不区分同一类别的各个对象。这使其非常适合自动驾驶、场景解析和土地覆被测绘，在这些应用中，理解完整的空间布局比识别单个对象更重要。

语义分割示例

单目深度估计#

单目深度估计根据单张 RGB 图像预测以米为单位的每像素深度图。输出是与输入图像对齐的密集浮点图，非常适合需要从单台相机推断空间布局的 3D 场景重建、机器人导航和 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分类。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#

姿态估计检测图像或视频帧中的特定关键点，以跟踪运动或估计姿态。这些关键点可以表示人体关节、面部特征或其他重要的兴趣点。YOLO26 在关键点检测方面表现出色，具有高准确率和速度，使其对健身应用、体育分析和人机交互具有很高的价值。

姿态示例

OBB#

定向边界框 (OBB) 检测通过添加方向角来增强传统的对象检测，以便更好地定位旋转的对象。此功能对于对象以各种角度出现的航拍图像分析、文档处理和工业应用特别有价值。YOLO26 为在各种场景中检测旋转对象提供高准确率和速度。

定向检测

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、关键点检测和定向对象检测。每项任务都满足计算机视觉领域中的特定需求，从基础对象识别到密集的每像素深度推断。通过了解每项任务的功能和应用，你可以为你的具体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。

接下来做什么#

选好任务了吗？使用数据集指南为它格式化你的数据，然后使用你自己的图像进行训练。

常见问题#

  • Ultralytics YOLO26 是一个多功能的 AI 框架，能够以高准确率和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和定位它们。
    • **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：**从单张 RGB 图像预测以米为单位的每像素深度图。
    • **分类：**根据内容对整个图像进行分类。
    • **姿态估计：**检测图像或视频帧中的特定关键点以跟踪运动或姿态。
    • **定向对象检测 (OBB)：**检测带有附加方向角的旋转对象以提高准确率。

  • 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，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

    有关更详细的说明，请查看我们的检测示例。

  • 使用 YOLO26 进行分割任务具有以下几个优势：

    1. **高准确率：**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，即使对于高分辨率图像也能提供快速处理。
    3. **多重应用：**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有关 YOLO26 用于分割的好处和用例的更多信息。

  • 可以，Ultralytics YOLO26 可以高效地执行姿态估计和关键点检测，并具有高准确率和速度。此功能对于跟踪体育分析、医疗保健和人机交互应用中的运动特别有用。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。

    有关更多详细信息和实现提示，请访问我们的姿态估计示例。

  • 使用 YOLO26 进行定向对象检测 (OBB) 通过检测带附加角度参数的对象来提供增强的精度。此功能对需要精确定位旋转对象（例如航拍图像分析和仓库自动化）的应用非常有益。

    • **精度提高：**角度分量减少了旋转对象的误报。
    • **多功能应用：**可用于地理空间分析、机器人等任务。

    查看定向对象检测部分了解更多详情和示例。

贡献者
GLglenn-jocher19RIRizwanMunawar3RAraimbekovm3BOBovey08091MImiles-deans-ultralytics1LALaughing-q1PDpderrenger1LEleonnil1LELexBarou1MAMatthewNoyce1

评论