اكتشف النقاط الرئيسية في الرؤية الحاسوبية: تقدير الوضعية باستخدام Ultralytics YOLO11 للياقة البدنية والتعرف على الإيماءات والتتبع السريع والدقيق.
النقاط الرئيسية هي مواقع مكانية دقيقة وغنية بالمعلومات داخل الصورة التي تحدد السمات المميزة لجسم أو مشهد ما. مشهد ما. في مجال رؤية الكمبيوتر، هذه الإحداثيات الإحداثيات - التي عادةً ما يتم تمثيلها كقيم X و Y - تحدد نقاطًا مهمة ذات أهمية، مثل زوايا مبنى، أو مركز العين، أو مفاصل جسم الإنسان. على عكس معالجة كل بكسل في الصورة، فإن التركيز على هذه النقاط المتناثرة والغنية دلالياً تسمح لنماذج الذكاء الاصطناعي لنماذج الذكاء الاصطناعي (AI) فهم الهندسة بكفاءة، وتحليل الأشكال، track الحركة بدقة عالية. هذا المفهوم أساسي للمهام المتقدمة التي تتطلب فهماً هيكلياً للموضوع، بدلاً من مجرد وجوده أو موقعه.
تعمل نقاط المفاتيح بمثابة اللبنات الأساسية لتعيين بنية الكائنات الديناميكية. عندما يتم اكتشاف عدة متعددة ومتصلة ببعضها، فإنها تشكل رسمًا بيانيًا هيكليًا أو إطارًا سلكيًا يمثل وضعية الجسم. هذا الأكثر شيوعاً في تقدير الوضعية حيث تتنبأ الخوارزميات حيث تتنبأ الخوارزميات بموقع المفاصل التشريحية - الأكتاف والمرفقين والوركين والركبتين - لإعادة بناء وضعية الإنسان.
من خلال الاستفادة من بنيات التعلم العميق مثل YOLO11يمكن للأنظمة استرجاع هذه الإحداثيات مباشرةً من الصور المُدخَلة. تتضمن هذه العملية استخراج ميزات معقدة حيث تتعلم الشبكة تحديد الأنماط المحلية الثابتة للإضاءة والدوران والمقياس. البيانات الناتجة خفيفة الوزن و وفعالة من الناحية الحسابية، مما يجعلها مثالية الاستدلال في الوقت الحقيقي على الأجهزة المتطورة.
لفهم الفائدة المحددة لنقاط المفتاح، من المفيد مقارنتها بمهام الرؤية الحاسوبية الأساسية الأخرى الأساسية الأخرى:
تفتح القدرة على track نقاط محددة في موضوع ما الباب أمام تطبيقات متنوعة في مختلف الصناعات:
تجعل المكتبات الحديثة من السهل تنفيذ اكتشاف النقاط الرئيسية باستخدام نماذج مدربة مسبقًا. إن
ultralytics توفر الحزمة وصولاً فوريًا إلى
YOLO11 نماذج مدربة على مجموعات بيانات ضخمة مثل
COCO للتعرف على المفاصل البشرية
يوضح المثال التالي كيفية تحميل نموذج تقدير الوضعية وتصور النقاط الرئيسية المكتشفة:
from ultralytics import YOLO
# Load a pretrained YOLO11n-pose model
model = YOLO("yolo11n-pose.pt")
# Run inference on a local image or URL
results = model("https://docs.ultralytics.com/tasks/detect/")
# Visualize the results, showing the skeletal keypoints
results[0].show()
في سير العمل هذا، يقوم النموذج بإخراج Keypoints يحتوي على الإحداثيات وكائن
درجة الثقة لكل نقطة مكتشفة. يمكن للمطورين
استخراج هذه الخامات x, y لبناء منطق مخصص، مثل عدّ التكرارات في تطبيق رياضي أو
التحكم في شخصية اللعبة عبر
التفاعل بين الإنسان والحاسوب.
