Comment utiliser Ultralytics YOLO11 pour l’estimation de pose

Les recherches liées à la vision par ordinateur, une branche de l’intelligence artificielle (AI), remontent aux années 1960. Cependant, ce n’est qu’au cours des années 2010, avec l’essor de l’apprentissage profond, que nous avons connu des avancées majeures dans la façon dont les machines comprennent les images. L’une des avancées les plus récentes en vision par ordinateur concerne 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 un large éventail de tâches de vision par ordinateur, notamment l’estimation de pose.

L’estimation de pose peut servir à 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 améliorées par rapport aux modèles précédents de la série YOLO (You Only Look Once), [YOLO11](https://ultralytics-translation-7.invalid est particulièrement adapté 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 certaines de ses applications et voir comment utiliser YOLO11 avec le package Python Ultralytics pour l’estimation de pose. Nous verrons également comment utiliser Ultralytics HUB pour essayer YOLO11 et l’estimation de pose en quelques clics. C’est parti !

Qu’est-ce que l’estimation de pose ?#

Avant d’examiner comment utiliser le nouveau modèle Ultralytics YOLO11 pour l’estimation de pose, commençons par mieux comprendre ce concept.

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 sur un objet ou une personne donnée. Pour les objets, ces points clés peuvent inclure des coins, des contours ou des marquages distinctifs de la surface, tandis que chez les humains, ces points clés représentent des articulations principales comme le coude, le genou ou l’épaule.

L’estimation de pose est unique 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 un cadre 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.

En matière d’estimation de pose, il existe deux principales approches : ascendante et descendante. L’approche ascendante détecte les points clés individuels et les regroupe en squelettes, tandis que l’approche descendante commence par détecter les objets, puis estime les points clés qu’ils contiennent.

Ultralytics YOLO11 combine les points forts des méthodes ascendante et descendante. Comme l’approche ascendante, il reste simple et rapide, sans nécessiter de regrouper manuellement les points clés. En même temps, il bénéficie de la précision de la méthode 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 un large éventail d’applications possibles dans de nombreux 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 important de tout projet de construction. Cela est particulièrement vrai puisque, statistiquement, les chantiers enregistrent un nombre plus élevé d’accidents du travail. En 2021, environ 20 % de l’ensemble des blessures mortelles liées au travail se sont produites sur ou à proximité de chantiers. Avec des risques quotidiens tels que les équipements lourds et les systèmes électriques, des mesures de sécurité rigoureuses sont essentielles pour protéger les travailleurs. Les méthodes traditionnelles, comme l’utilisation de panneaux, de barrières et la surveillance manuelle par les responsables, ne sont pas toujours efficaces et détournent souvent ces derniers de tâches plus importantes.

L’AI peut contribuer à améliorer la sécurité, et le risque d’accident peut être réduit grâce à un système de surveillance des travailleurs fondé sur l’estimation de pose. Les modèles Ultralytics YOLO11 peuvent servir à suivre les mouvements et les postures des travailleurs. Les dangers potentiels, comme des travailleurs se tenant trop près d’équipements dangereux ou exécutant incorrectement certaines tâches, peuvent être repérés rapidement. Si un risque est détecté, les responsables peuvent être avertis ou une alarme peut alerter 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 la surveillance du bétail#

Les agriculteurs et les chercheurs peuvent utiliser Ultralytics YOLO11 pour étudier les mouvements 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 un trouble dans lequel un animal éprouve des difficultés à se déplacer correctement en raison de douleurs aux pattes ou aux pieds. Chez les bovins, les affections comme la boiterie nuisent non seulement à leur santé et à leur bien-être, mais entraînent également des problèmes de production dans les exploitations laitières. Les études montrent que la boiterie touche 8 % des bovins dans les systèmes au pâturage et 15 à 30 % dans les systèmes en stabulation à l’échelle de l’industrie laitière mondiale. Détecter et traiter rapidement la boiterie peut contribuer à améliorer le bien-être animal et à réduire les pertes de production qui y sont associées.

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, comme des troubles articulaires ou des infections. La détection précoce de ces problèmes permet un traitement plus rapide, réduisant l’inconfort des animaux et aidant les agriculteurs à éviter des pertes économiques.

Les systèmes de surveillance basés sur la vision AI peuvent également contribuer à analyser les comportements au repos, les interactions sociales et les habitudes alimentaires. Les agriculteurs peuvent aussi utiliser l’estimation de pose pour observer les signes de stress ou d’agressivité. Ces informations peuvent servir 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 également aider les personnes à améliorer leur posture en temps réel pendant leurs séances d’entraînement. Avec Ultralytics YOLO11, les instructeurs de salle de sport et de yoga peuvent surveiller et suivre les mouvements du corps des personnes qui s’entraînent, en se concentrant sur des points clés comme les articulations et les membres pour évaluer leur posture. Les données collectées peuvent être comparées à des poses et des techniques d’entraînement idéales, et les instructeurs peuvent recevoir des alertes si quelqu’un exécute incorrectement un mouvement, ce qui contribue à prévenir les blessures.

Fig. 5. Utilisation de l’estimation de pose pour analyser une séance d’entraînement.

Par exemple, pendant un cours de yoga, l’estimation de pose peut aider à vérifier que tous les élèves maintiennent un équilibre et un alignement corrects. 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 qui n’ont pas accès à des entraîneurs personnels. 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 le risque de blessure.

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

Maintenant que nous avons découvert ce qu’est l’estimation de pose et examiné certaines de ses applications, voyons comment essayer l’estimation de pose avec le nouveau modèle YOLO11. Pour commencer, deux options pratiques s’offrent à toi : utiliser le package Python Ultralytics ou passer par Ultralytics HUB. Examinons ces deux options.

Exécuter des inférences avec Ultralytics YOLO11#

Exécuter une inférence consiste à faire traiter par le modèle YOLO11 de nouvelles données situées en dehors de ses jeux de données d’entraînement, puis à utiliser les schémas appris pour effectuer des prédictions à partir de ces données. Tu peux exécuter des inférences au moyen de code avec le package Python Ultralytics. Pour commencer, il te suffit d’installer le package Ultralytics avec pip, conda ou Docker. Si tu rencontres des difficultés lors de l’installation, notre guide des problèmes courants propose des conseils utiles pour les résoudre.

Une fois le package correctement installé, le code suivant montre comment charger un modèle et l’utiliser pour prédire les poses d’objets dans une image.

Fig. 6. Extrait de code illustrant l’exécution d’inférences avec Ultralytics YOLO11.

Entraîner un modèle Ultralytics YOLO11 personnalisé#

Supposons que tu travailles sur un projet de vision par ordinateur 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 pattes, 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 créé à partir d’une configuration YAML, ou tu peux charger un modèle préentraîné pour l’entraînement. Ce script te permet également de transférer les poids et de commencer à entraîner le modèle avec 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 nouveau modèle personnalisé entraîné, tu peux exécuter des inférences sur des images inédites liées à ta solution de vision par ordinateur. Le modèle entraîné peut également être converti dans d’autres formats à l’aide du mode export.

Essayer YOLO11 sur Ultralytics HUB#

Jusqu’à présent, nous avons examiné des méthodes d’utilisation de YOLO11 nécessitant quelques notions de programmation. Si ce n’est pas ce que tu recherches ou si tu n’es pas à l’aise avec le code, 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 les jeux de données, d’entraîner les modèles et de les déployer sans expertise technique.

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

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

Avancées d’Ultralytics YOLO11 pour la détection de la pose humaine#

Ultralytics YOLO11 offre des solutions précises et flexibles pour des tâches telles que l’estimation de pose dans un large éventail d’applications. De l’amélioration de la sécurité des travailleurs sur les chantiers à la surveillance de la santé du bétail et à l’aide à la correction de la posture pendant les séances de fitness, YOLO11 apporte précision et retour en temps réel grâce à une technologie avancée de vision par ordinateur.

Sa polyvalence, avec plusieurs variantes de modèles et la possibilité d’effectuer un entraînement personnalisé pour des cas d’utilisation spécifiques, en fait un outil très précieux pour les développeurs comme pour les entreprises. Que ce soit en programmant avec le package Python Ultralytics ou en utilisant Ultralytics HUB pour une mise en œuvre plus simple, YOLO11 rend l’estimation de pose accessible et utile.

Pour en savoir plus, consulte notre dépôt GitHub et rejoins notre communauté. Découvre les applications de l’AI dans l’industrie manufacturière et l’agriculture sur nos pages de solutions. 🚀