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和 OBB。这些任务各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.

Detection#

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。检测到的对象会根据其特征分类到不同的类别中。YOLO26 能够以高准确率和速度在单个图像或视频帧中检测多个对象,这使其非常适合监控系统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,将对象检测推向更深入的阶段。这种精确度对于医学成像农业分析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,生成整个场景的稠密类图。与实例分割不同,它不区分同一类的各个对象。这使其非常适合需要理解完整空间布局胜过识别单个对象的自动驾驶场景解析和土地覆被测绘。

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

Classification#

分类涉及根据整个图像的内容对其进行归类。此任务对于电子商务中的产品分类内容审核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移动或估计姿态。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,具有高准确率和速度,对健身应用体育分析人机交互很有价值。

姿态示例

OBB#

旋转边界框 (OBB) 检测通过添加旋转角度来增强传统对象检测,从而更好地定位旋转对象。此功能对于对象以各种角度出现的航空影像分析文档处理工业应用特别有价值。YOLO26 在各种场景中检测旋转对象时可提供高准确率和速度。

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#

选好了任务?使用数据集指南为它格式化你的数据,然后在你的图像上进行训练

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,对医学成像等应用很有用。
    • **语义分割:**为图像中的每个像素分配一个类标签,以实现密集的场景理解。
    • **单目深度估计:**从单个 RGB 图像预测以米为单位的每像素深度图。
    • **分类:**根据整个图像的内容对其进行归类。
    • **姿态估计:**检测图像或视频帧中的特定关键点以跟踪移动或姿态。
    • **旋转对象检测 (OBB):**检测带有附加旋转角度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

    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。

    图像分割部分了解有关 YOLO26 分割的优势和用例的更多信息。

  • 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。

    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

  • 带有 YOLO26 的旋转对象检测 (OBB) 通过检测带有附加角度参数的对象来提供增强的精度。此功能有利于需要精确定位旋转对象的应用程序,例如航空影像分析和仓库自动化。

    • 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了解更多详情和示例。

评论