Comment utiliser Ultralytics YOLO11 pour l’estimation de pose

Les recherches en vision par ordinateur, une branche de l’intelligence artificielle (IA), remontent aux années 1960. Cependant, ce n’est qu’avec l’essor de l’apprentissage profond dans les années 2010 que des avancées majeures ont été réalisées dans la capacité des machines à comprendre les images. La famille de modèles Ultralytics YOLO11 (à laquelle Ultralytics YOLO26 a depuis succédé) constitue une avancée notable en vision par ordinateur. Les modèles YOLO11, présentés pour la première fois lors de l’événement hybride annuel d’Ultralytics, YOLO Vision 2024 (YV24), prennent en charge un éventail de tâches de vision par ordinateur, notamment l’estimation de pose.

L’estimation de pose permet de 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 comme l’analyse sportive, le suivi 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 supérieures à celles des anciens modèles de la série YOLO (You Only Look Once), YOLO11 convient parfaitement aux tâches d’estimation de pose en temps réel.

Fig. 1. Exemple d’utilisation d’Ultralytics YOLO11 pour l’estimation de pose.

Dans cet article, nous allons découvrir ce qu’est l’estimation de pose, examiner quelques-unes de ses applications et voir comment utiliser YOLO11 avec le paquet Python Ultralytics pour estimer des poses. Nous verrons aussi comment essayer YOLO11 et l’estimation de pose en quelques clics avec Ultralytics HUB (maintenant Ultralytics Platform). Commençons !

Qu’est-ce que l’estimation de pose ?#

Avant de voir comment utiliser Ultralytics YOLO11 pour l’estimation de pose, commençons par mieux comprendre en quoi elle consiste.

L’estimation de pose est une technique de vision par ordinateur utilisée pour analyser la pose 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 les points clés d’un objet ou d’une personne. Pour les objets, ces points clés peuvent inclure des coins, des arêtes ou des marques distinctives sur la surface, tandis que, chez les humains, ils correspondent aux principales articulations, comme le coude, le genou ou l’épaule.

L’estimation de pose est une tâche particulière et plus complexe que d’autres tâches de vision par ordinateur comme la détection d’objets. Alors que la détection d’objets localise les objets dans une image en traçant une boîte autour d’eux, l’estimation de pose va plus loin en prédisant la position exacte des points clés sur l’objet.

Fig. 2. Utilisation d’Ultralytics YOLO11 pour détecter et estimer la pose de personnes dans un bureau.

L’estimation de pose repose principalement sur deux approches : ascendante et descendante. L’approche ascendante détecte les points clés individuellement puis les regroupe en squelettes, tandis que l’approche descendante commence par détecter les objets avant d’estimer les points clés qu’ils contiennent.

Ultralytics YOLO11 associe les atouts des approches descendante et ascendante. Comme l’approche ascendante, il reste simple et rapide, sans avoir besoin de regrouper manuellement les points clés. En parallèle, il bénéficie de la précision de l’approche descendante en détectant les personnes et en estimant leur pose en une seule étape.

Cas d’utilisation de l’estimation de pose avec Ultralytics YOLO11#

Les capacités polyvalentes d’Ultralytics YOLO11 en matière d’estimation de pose ouvrent la voie à de nombreuses applications dans différents secteurs. Examinons de plus près quelques cas d’utilisation 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 essentiel de tout projet de construction. C’est d’autant plus vrai que les chantiers enregistrent davantage d’accidents du travail. En 2021, environ 20 % de tous les accidents du travail mortels se sont produits sur des chantiers ou à proximité. Face aux risques quotidiens liés aux équipements lourds et aux installations électriques, des mesures de sécurité rigoureuses sont indispensables pour protéger les travailleurs. Les méthodes traditionnelles, comme les panneaux, les barrières et la surveillance manuelle par les responsables, ne sont pas toujours efficaces et les détournent souvent de tâches plus prioritaires.

L’IA peut contribuer à améliorer la sécurité, et un système de surveillance des travailleurs fondé sur l’estimation de pose peut réduire les risques d’accident. Les modèles Ultralytics YOLO11 peuvent servir à suivre les mouvements et les postures des travailleurs. Les dangers potentiels, comme un travailleur trop proche d’un équipement dangereux ou qui effectue une tâche de manière incorrecte, peuvent être rapidement repérés. En cas de risque, les responsables peuvent être avertis ou une alarme peut prévenir le travailleur. Un système de surveillance continue peut rendre les chantiers plus sûrs en restant constamment à l’affût des dangers et en protégeant les travailleurs.

Fig. 3. Exemple d’estimation de pose sur un chantier avec Ultralytics YOLO11.

Estimation de pose avec Ultralytics YOLO11 pour le suivi du bétail#

Les agriculteurs et les chercheurs peuvent utiliser Ultralytics YOLO11 pour étudier les déplacements et le comportement des animaux d’élevage, comme les bovins, afin de détecter précocement les signes de maladies telles que la boiterie. La boiterie est une affection qui empêche un animal de se déplacer normalement en raison de douleurs aux pattes ou aux pieds. Chez les bovins, des problèmes comme la boiterie nuisent non seulement à leur santé et à leur bien-être, mais entraînent aussi des problèmes de production dans les élevages laitiers. Des études montrent que la boiterie touche environ 8 % des bovins dans les systèmes au pâturage et 15 à 30 % dans les systèmes en stabulation à l’échelle de la filière laitière mondiale. Détecter et traiter rapidement la boiterie peut améliorer le bien-être animal et réduire les pertes de production associées.

Les fonctionnalités d’estimation de pose d’Ultralytics YOLO11 peuvent aider les agriculteurs à suivre la démarche des animaux et à repérer rapidement toute anomalie pouvant signaler un problème de santé, comme des problèmes articulaires ou des infections. Détecter ces problèmes rapidement permet de traiter les animaux plus tôt, de réduire leur inconfort et d’aider les agriculteurs à éviter des pertes économiques.

Les systèmes de surveillance reposant sur l’IA visuelle peuvent également aider à analyser les comportements au repos, les interactions sociales et les habitudes alimentaires. Les agriculteurs peuvent aussi utiliser l’estimation de pose pour repérer les signes de stress ou d’agressivité. Ces informations peuvent contribuer à améliorer les conditions de vie des animaux et leur bien-être.

Fig. 4. Visualisation de l’estimation de pose d’une vache.

Cas d’utilisation d’Ultralytics YOLO11 dans le secteur du fitness#

L’estimation de pose peut aussi aider les gens à améliorer leur posture en temps réel pendant leurs entraînements. Avec Ultralytics YOLO11, les coachs sportifs et les professeurs de yoga peuvent surveiller et suivre les mouvements corporels des personnes qui s’entraînent, en se concentrant sur des points clés comme les articulations et les membres pour évaluer leur posture. Les données recueillies peuvent être comparées aux postures et techniques d’entraînement idéales, et les coachs peuvent recevoir une alerte si une personne exécute mal un mouvement, ce qui contribue 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 vérifier que tous les élèves maintiennent un bon équilibre et un bon alignement. Les applications mobiles intégrant la vision par ordinateur et l’estimation de pose peuvent rendre le fitness plus accessible aux personnes qui s’entraînent chez elles ou n’ont pas accès à un coach personnel. Ce retour continu en temps réel aide les utilisateurs à améliorer leur technique et à atteindre leurs objectifs de remise en forme, tout en réduisant les risques de blessure.

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

Maintenant que nous avons vu ce qu’est l’estimation de pose et évoqué quelques-unes de ses applications, voyons comment essayer l’estimation de pose avec YOLO11. Pour commencer, deux méthodes pratiques s’offrent à toi : utiliser le package Python Ultralytics ou passer par Ultralytics HUB. Examinons les deux options.

Exécuter des inférences avec Ultralytics YOLO11#

Exécuter une inférence consiste à faire traiter par le modèle YOLO11 de nouvelles données, absentes de ses jeux d’entraînement, puis à utiliser les schémas qu’il a appris pour établir des prédictions à partir de ces données. Tu peux lancer des inférences avec du code en utilisant le paquet Python Ultralytics. Pour commencer, il te suffit d’installer le paquet Ultralytics avec pip, conda ou Docker. Si tu rencontres des difficultés lors de l’installation, notre guide des problèmes fréquents propose des conseils de dépannage utiles.

Une fois le paquet installé, le code suivant montre comment charger un modèle de pose YOLO11 et l’utiliser pour prédire la pose d’objets dans une image.

Fig. 6. Extrait de code montrant comment exécuter des inférences avec Ultralytics YOLO11.

Entraîner un modèle Ultralytics YOLO11 personnalisé#

Imaginons que tu travailles sur un projet de vision par ordinateur et que tu disposes d’un jeu de données spécifique à une application d’estimation de pose. Tu peux alors affiner un modèle YOLO11 personnalisé et l’entraîner pour répondre aux besoins de ton application. Par exemple, tu peux utiliser un jeu de données de points clés pour analyser et comprendre la pose d’un tigre sur des images en repérant 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 Ultralytics YOLO11 d’estimation de pose. Le modèle peut être créé à partir d’une configuration YAML, ou tu peux charger un modèle préentraîné pour l’entraîner. 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, comme le jeu de données COCO pour l’estimation de pose.

Fig. 7. Entraînement personnalisé d’Ultralytics YOLO11.

Avec le modèle personnalisé nouvellement entraîné, tu peux lancer des inférences sur des images inédites liées à ta solution de vision par ordinateur. Tu peux également convertir le modèle entraîné vers d’autres formats avec le mode d’exportation.

Essayer YOLO11 sur Ultralytics HUB#

Jusqu’ici, nous avons vu des méthodes d’utilisation de YOLO11 qui nécessitent quelques connaissances de base en programmation. Si ce n’est pas ce que tu recherches ou si tu ne connais pas la programmation, une autre option s’offre à toi : Ultralytics HUB. Ultralytics HUB est une plateforme conviviale conçue pour simplifier l’entraînement et le déploiement de modèles YOLO. HUB te permet de gérer facilement des jeux de données, d’entraîner des modèles et de les déployer sans compétences techniques particulières.

Pour lancer des inférences sur des images, crée un compte, ouvre la section « Models » et choisis le modèle d’estimation de pose Ultralytics YOLO11 qui t’intéresse. Dans la section d’aperçu, tu peux téléverser une image et consulter les résultats de prédiction, comme illustré ci-dessous.

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

Les avancées d’Ultralytics YOLO11 en détection de pose humaine#

Ultralytics YOLO11 propose des solutions précises et flexibles pour des tâches comme l’estimation de pose, dans un vaste éventail d’applications. De l’amélioration de la sécurité des travailleurs sur les chantiers au suivi de la santé du bétail et à l’aide à la correction de la posture pendant les séances de fitness, YOLO11 offre précision et retour en temps réel grâce à des technologies avancées de vision par ordinateur.

Sa polyvalence, ses différentes variantes et la possibilité de l’entraîner sur mesure pour des cas d’usage spécifiques en font un outil précieux pour les développeurs comme pour les entreprises. Que tu utilises le paquet Python Ultralytics pour coder ou Ultralytics HUB pour faciliter la mise en œuvre, YOLO11 rend l’estimation de pose accessible et efficace.

Pour en découvrir davantage, visite notre dépôt GitHub et échange avec notre communauté. Découvre les applications de l’IA dans l’industrie manufacturière et l’agriculture sur nos pages de solutions.