Ultralytics YOLO27：

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 AI 框架，支持多种计算机视觉任务。该框架可用于执行检测、实例分割、语义分割、深度估计、分类、姿态估计和 OBB。每项任务的目标和用例各不相同，让你能够通过单一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。YOLO27 即将推出，目前尚不可用；本指南使用的是已发布的 YOLO26 模型。



观看： 探索 Ultralytics YOLO26 任务：目标检测、实例分割、语义分割、深度估计、分类、姿态估计和 OBB。

检测#

检测是 YOLO26 支持的主要任务。它用于识别图像或视频帧中的物体，并在物体周围绘制边界框。系统会根据检测到物体的特征，将其分类到不同类别中。YOLO26 可以在单张图像或单个视频帧中以很高的准确率和速度检测多个物体，因此非常适合监控系统和自动驾驶汽车等实时应用。

检测示例

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。这种精度适用于医学成像、农业分析和制造质量控制等应用。

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单个物体。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场景；在这些场景中，理解完整的空间布局比识别单个物体更重要。

语义分割示例

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、机器人导航和 AR/VR 应用；这些应用需要根据单个摄像头推断空间布局。

深度估计示例

分类#

分类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。

分类示例

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 在关键点检测方面兼具高准确率和速度，因此适用于健身应用、体育分析和人机交互。

姿态示例

OBB#

有向边界框（OBB）检测通过添加方向角来增强传统目标检测，从而更准确地定位旋转目标。这项能力对于aerial imagery analysis、document processing和industrial applications尤其有价值，因为这些场景中的目标会以各种角度出现。YOLO26 在各种场景下检测旋转目标时兼具高精度和高速度。

OBB 示例

接下来做什么#

选好任务了吗？使用数据集指南按对应格式准备数据，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 AI 框架，能够以高精度和高速度执行各种计算机视觉任务，包括：

    • 目标检测：通过在目标周围绘制边界框，识别并定位图像或视频帧中的目标。
    • 实例分割：为每个检测到的目标生成像素级掩码，适用于医学影像等应用。
    • 语义分割：为图像中的每个像素分配类别标签，以实现密集场景理解。
    • 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。
    • 分类：根据图像内容对整张图像进行分类。
    • 姿态估计：检测图像或视频帧中的特定关键点，以跟踪动作或姿态。
    • 有向目标检测（OBB）：通过添加方向角检测旋转目标，提高检测精度。

  • 使用 Ultralytics YOLO26 进行目标检测，请按以下步骤操作：

    1. 按合适的格式准备数据集。
    2. 使用检测任务训练 YOLO26 模型。
    3. 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")  # n、s、m、l、x 版本可用

# 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

    如需更详细的说明，请查看我们的检测示例。

  • 使用 YOLO26 执行分割任务有以下优势：

    1. 高精度：分割任务可生成精确的像素级掩码。
    2. 速度：YOLO26 针对实时应用进行了优化，即使处理高分辨率图像也能快速完成。
    3. 多种应用场景：它非常适合医学影像、自动驾驶以及其他需要精细图像分割的应用。

    在图像分割部分了解更多关于 YOLO26 分割的优势和应用场景。

  • 可以，Ultralytics YOLO26 能以高精度和高速度有效执行姿态估计和关键点检测。这项功能特别适用于体育分析、医疗保健和人机交互应用中的动作跟踪。YOLO26 可检测图像或视频帧中的关键点，从而实现精确的姿态估计。

    如需了解更多详情和实现技巧，请访问我们的姿态估计示例。

  • YOLO26 的有向目标检测（OBB）通过检测带有额外角度参数的目标来提高精度。这项功能适用于需要准确定位旋转目标的应用，例如航拍图像分析和仓库自动化。

    • 精度更高：角度分量可减少旋转目标的误检。
    • 应用广泛：适用于地理空间分析、机器人等任务。

    如需了解更多详情和示例，请查看有向目标检测部分。

贡献者
GLglenn-jocher21RAraimbekovm4RIRizwanMunawar3BOBovey08091MImiles-deans-ultralytics1LALaughing-q1PDpderrenger1LEleonnil1LELexBarou1MAMatthewNoyce1

评论