Comment utiliser Ultralytics YOLO11 pour l'estimation de pose

La recherche liée à la computer vision, une branche de l'intelligence artificielle (IA), remonte aux années 1960. Cependant, ce n'est qu'aux années 2010, avec l'essor du deep learning, que nous avons assisté à des avancées majeures dans la façon dont les machines comprennent les images. L'une des dernières avancées en matière de computer vision réside dans les modèles de pointe Ultralytics YOLO11. Les modèles YOLO11, présentés pour la première fois lors de l'événement hybride annuel d'Ultralytics, YOLO Vision 2024 (YV24), prennent en charge une gamme de tâches de vision par ordinateur, y compris l'estimation de pose.

L'estimation de pose peut être utilisée pour détecter des points clés sur une personne ou un objet dans une image ou une vidéo afin de comprendre sa position, sa posture ou son mouvement. Elle est largement utilisée dans des applications telles que l'analyse sportive, la surveillance du comportement animal et la robotique pour aider les machines à interpréter les actions physiques en temps réel. Grâce à sa précision, son efficacité et sa vitesse accrues par rapport aux modèles précédents de la série YOLO (You Only Look Once), YOLO11 est parfaitement adapté aux tâches d'estimation de pose en temps réel.

Fig 1. Un exemple d'utilisation d'Ultralytics YOLO11 pour l'estimation de pose.

Dans cet article, nous allons explorer ce qu'est l'estimation de pose, aborder certaines de ses applications et voir comment tu peux utiliser YOLO11 avec le package Python d'Ultralytics pour l'estimation de pose. Nous examinerons également comment utiliser Ultralytics HUB pour tester YOLO11 et l'estimation de pose en quelques clics simples. C'est parti !

Qu'est-ce que l'estimation de pose ?#

Avant de plonger dans l'utilisation du nouveau modèle Ultralytics YOLO11 pour l'estimation de pose, comprenons mieux ce qu'est l'estimation de pose.

L'estimation de pose est une technique de vision par ordinateur utilisée pour analyser la posture d'une personne ou d'un objet dans une image ou une vidéo. Les modèles d'apprentissage profond comme Ultralytics YOLO11 peuvent identifier, localiser et suivre des points clés sur un objet ou une personne donnés. Pour les objets, ces points clés peuvent inclure des coins, des bords ou des marquages de surface distincts, tandis que pour les humains, ces points clés représentent les principales articulations comme le coude, le genou ou l'épaule.

L'estimation de pose est unique et plus complexe par rapport à d'autres tâches de vision par ordinateur telles que la détection d'objets. Alors que la détection d'objets localise des objets dans une image en dessinant une boîte autour d'eux, l'estimation de pose va plus loin en prédisant les positions exactes des points clés sur l'objet.

Fig 2. Utilisation d'Ultralytics YOLO11 pour détecter et estimer les poses de personnes dans un bureau.

En matière d'estimation de pose, il existe deux méthodes principales : de bas en haut (bottom-up) et de haut en bas (top-down). L'approche bottom-up détecte les points clés individuels et les groupe en squelettes, tandis que l'approche top-down se concentre d'abord sur la détection d'objets, puis sur l'estimation des points clés à l'intérieur de ceux-ci.

Ultralytics YOLO11 combine les forces des méthodes descendantes et ascendantes. Tout comme l'approche ascendante, il garde les choses simples et rapides sans avoir besoin de regrouper manuellement les points clés. En même temps, il utilise la précision de la méthode descendante en détectant les personnes et en estimant leurs poses en une seule étape.

Cas d'usage de l'estimation de pose pour Ultralytics YOLO11#

Les capacités polyvalentes d'Ultralytics YOLO11 pour l'estimation de pose ouvrent un large éventail d'applications possibles dans de nombreux secteurs. Regardons de plus près quelques cas d'usage de l'estimation de pose avec YOLO11.

Estimation de pose en temps réel avec Ultralytics YOLO11 : Améliorer la sécurité des travailleurs#

La sécurité est un aspect important de tout projet de construction. C'est particulièrement vrai car, statistiquement, les chantiers de construction connaissent un nombre plus élevé de blessures liées au travail. En 2021, environ 20 % de tous les accidents mortels liés au travail se sont produits sur ou à proximité de chantiers de construction. Avec des risques quotidiens tels que les équipements lourds et les systèmes électriques, des mesures de sécurité rigoureuses sont essentielles pour assurer la sécurité des travailleurs. Les méthodes traditionnelles telles que l'utilisation de panneaux, de barricades et la surveillance manuelle par des superviseurs ne sont pas toujours efficaces et détournent souvent les superviseurs de tâches plus critiques.

L'IA peut intervenir pour améliorer la sécurité, et le risque d'accidents peut être réduit en utilisant un système de surveillance des travailleurs basé sur l'estimation de pose. Les modèles Ultralytics YOLO11 peuvent être utilisés pour suivre les mouvements et les postures des travailleurs. Tout danger potentiel, comme des travailleurs se tenant trop près d'un équipement dangereux ou effectuant des tâches de manière incorrecte, peut être rapidement repéré. Si un risque est détecté, les superviseurs peuvent être avertis ou une alarme peut alerter le travailleur. Un système de surveillance continue peut rendre les chantiers de construction plus sûrs en guettant constamment les dangers et en protégeant les travailleurs.

Fig 3. Un exemple d'estimation de pose sur un chantier de construction utilisant Ultralytics YOLO11.

Estimation de pose avec Ultralytics YOLO11 pour la surveillance du bétail#

Les agriculteurs et les chercheurs peuvent utiliser Ultralytics YOLO11 pour étudier le mouvement et le comportement des animaux d'élevage, comme les bovins, afin de détecter les premiers signes de maladies telles que la boiterie. La boiterie est une affection où un animal a du mal à se déplacer correctement en raison de douleurs dans ses pattes ou ses pieds. Chez les bovins, des maladies comme la boiterie affectent non seulement leur santé et leur bien-être, mais entraînent également des problèmes de production dans les fermes laitières. Des études montrent que la boiterie touche entre 8 % des bovins dans les systèmes sur pâturage et 15 % à 30 % dans les systèmes confinés à travers l'industrie laitière mondiale. Détecter et traiter la boiterie à un stade précoce peut aider à améliorer le bien-être animal et à réduire les pertes de production associées à cette condition.

Les fonctionnalités d'estimation de pose d'Ultralytics YOLO11 peuvent aider les agriculteurs à suivre les schémas de démarche des animaux et à identifier rapidement toute anomalie pouvant signaler des problèmes de santé, tels que des problèmes articulaires ou des infections. Détecter ces problèmes tôt permet un traitement plus rapide, réduisant l'inconfort des animaux et aidant les agriculteurs à éviter des pertes économiques.

Les systèmes de surveillance activés par la vision AI peuvent également aider à analyser le comportement de repos, les interactions sociales et les habitudes alimentaires. Les agriculteurs peuvent aussi utiliser l'estimation de pose pour obtenir des observations sur les signes de stress ou d'agression. Ces informations peuvent être utilisées pour cultiver de meilleures conditions de vie pour les animaux et accroître leur bien-être.

Fig 4. Une visualisation de l'estimation de pose d'une vache.

Cas d'usage d'Ultralytics YOLO11 dans l'industrie du fitness#

L'estimation de pose peut également aider les gens à améliorer leur posture en temps réel pendant l'entraînement. Avec Ultralytics YOLO11, les instructeurs de gym et de yoga peuvent surveiller et suivre les mouvements corporels des personnes qui s'entraînent, en se concentrant sur les points clés comme les articulations et les membres pour évaluer leur posture. Les données collectées peuvent être comparées aux poses idéales et aux techniques d'entraînement, et les instructeurs peuvent recevoir des alertes si quelqu'un effectue un mouvement de manière incorrecte, contribuant ainsi à prévenir les blessures.

Fig 5. Utilisation de l'estimation de pose pour analyser un entraînement.

Par exemple, pendant un cours de yoga, l'estimation de pose peut aider à surveiller si tous les élèves maintiennent un bon équilibre et un bon alignement. Les applications mobiles intégrées avec la vision par ordinateur et l'estimation de pose peuvent rendre le fitness plus accessible aux personnes s'entraînant à la maison ou n'ayant pas accès à des entraîneurs personnels. Ce retour d'information continu en temps réel aide les utilisateurs à améliorer leur technique et à atteindre leurs objectifs de fitness tout en réduisant le risque de blessure.

Essayer l'estimation de pose en temps réel avec le modèle Ultralytics YOLO11#

Maintenant que nous avons exploré ce qu'est l'estimation de pose et discuté de certaines de ses applications, jetons un coup d'œil à la façon dont tu peux tester l'estimation de pose avec le nouveau modèle YOLO11. Pour commencer, il existe deux moyens pratiques de le faire : utiliser le package Python d'Ultralytics ou via Ultralytics HUB. Examinons ces deux options.

Exécution d'inférences à l'aide d'Ultralytics YOLO11#

Exécuter une inférence implique que le modèle YOLO11 traite de nouvelles données en dehors de ses ensembles d'entraînement et utilise les motifs qu'il a appris pour faire des prédictions basées sur ces données. Tu peux exécuter des inférences par le code avec le package Python d'Ultralytics. Tout ce que tu as à faire pour commencer est d'installer le package Ultralytics en utilisant pip, conda ou Docker. Si tu rencontres des difficultés lors de l'installation, notre Guide des problèmes courants propose des conseils de dépannage utiles.

Une fois que tu as installé le package avec succès, le code suivant décrit comment charger un modèle et l'utiliser pour prédire les poses d'objets dans une image.

Fig 6. Un extrait de code présentant l'exécution d'inférences à l'aide d'Ultralytics YOLO11.

Entraînement d'un modèle Ultralytics YOLO11 personnalisé#

Disons que tu travailles sur un projet de computer vision et que tu disposes d'un jeu de données spécifique pour une application particulière impliquant l'estimation de pose. Tu peux alors affiner et entraîner un modèle YOLO11 personnalisé adapté à ton application. Par exemple, tu peux utiliser un jeu de données de points clés pour analyser et comprendre la pose d'un tigre dans des images en identifiant des caractéristiques clés telles que la position de ses membres, de sa tête et de sa queue.

Tu peux utiliser l'extrait de code suivant pour charger et entraîner un modèle d'estimation de pose Ultralytics YOLO11. Le modèle peut être construit à partir d'une configuration YAML, ou tu peux charger un modèle pré-entraîné pour l'entraînement. Ce script te permet également de transférer des poids et de commencer à entraîner le modèle à l'aide d'un jeu de données spécifié, tel que le jeu de données COCO pour l'estimation de pose.

Fig 7. Entraînement personnalisé d'Ultralytics YOLO11.

En utilisant le nouveau modèle personnalisé entraîné, tu peux exécuter des inférences sur des images invisibles liées à ta solution de computer vision. Le modèle entraîné peut également être converti en d'autres formats en utilisant le mode d'exportation.

Essayer YOLO11 sur Ultralytics HUB#

Jusqu'à présent, nous avons examiné des méthodes pour utiliser YOLO11 nécessitant des connaissances de base en codage. Si ce n'est pas ce que tu recherches, ou si tu n'es pas familier avec le codage, il y a une autre option : Ultralytics HUB. Ultralytics HUB est une plateforme conviviale conçue pour simplifier le processus d'entraînement et de déploiement des modèles YOLO. HUB te permet de gérer facilement des jeux de données, d'entraîner des modèles et de les déployer sans nécessiter d'expertise technique.

Pour exécuter des inférences sur des images, tu peux créer un compte, accéder à la section « Modèles » et choisir le modèle d'estimation de pose Ultralytics YOLO11 qui t'intéresse. Dans la section d'aperçu, tu peux télécharger une image et afficher les résultats de la prédiction comme indiqué ci-dessous.

Fig 8. Estimation de pose sur Ultralytics HUB avec YOLO11.

Les avancées d'Ultralytics YOLO11 dans la détection de pose humaine#

Ultralytics YOLO11 propose des solutions précises et flexibles pour des tâches telles que l'estimation de pose dans un large éventail d'applications. Qu'il s'agisse d'améliorer la sécurité des travailleurs sur les chantiers, de surveiller la santé du bétail ou d'aider à la correction de la posture dans les routines de fitness, YOLO11 apporte précision et retour en temps réel grâce à une technologie de vision par ordinateur avancée.

Sa polyvalence, avec de multiples variantes de modèles et la possibilité d'entraîner des modèles personnalisés pour des cas d'utilisation spécifiques, en fait un outil très précieux pour les développeurs et les entreprises. Que ce soit par le codage avec le package Python Ultralytics ou l'utilisation d'Ultralytics HUB pour une mise en œuvre plus simple, YOLO11 rend l'estimation de pose accessible et percutante.

Pour en savoir plus, visite notre répertoire GitHub et engage-toi avec notre communauté. Explore les applications de l'IA dans la fabrication et l'agriculture sur nos pages de solutions. 🚀