Узнайте, как использовать модель Ultralytics YOLO11 для точной оценки позы. Мы рассмотрим вывод в реальном времени и обучение пользовательских моделей для различных приложений.
Исследования, связанные с компьютерным зрением, разделом искусственного интеллекта (ИИ), восходят к 1960-м годам. Однако только в 2010-х годах, с развитием глубокого обучения, мы увидели значительные прорывы в том, как машины понимают изображения. Одним из последних достижений в компьютерном зрении являются передовые модели Ultralytics YOLO11. Модели YOLO11, впервые представленные на ежегодном гибридном мероприятии Ultralytics, YOLO Vision 2024 (YV24), поддерживают ряд задач компьютерного зрения, включая оценку позы.
Оценка позы может использоваться для обнаружения ключевых точек на человеке или объекте на изображении или видео, чтобы понять их положение, позу или движение. Она широко используется в таких приложениях, как спортивная аналитика, мониторинг поведения животных и робототехника, чтобы помочь машинам интерпретировать физические действия в режиме реального времени. Благодаря своей повышенной точности, эффективности и скорости по сравнению с более ранними моделями в серии YOLO (You Only Look Once), YOLO11 хорошо подходит для задач оценки позы в реальном времени.
В этой статье мы рассмотрим, что такое оценка позы, обсудим некоторые ее применения и рассмотрим, как вы можете использовать YOLO11 с пакетом Ultralytics Python для оценки позы. Мы также рассмотрим, как вы можете использовать Ultralytics HUB, чтобы опробовать YOLO11 и оценку позы несколькими простыми щелчками мыши. Давайте начнем!
Прежде чем мы углубимся в то, как использовать новую модель Ultralytics YOLO11 для оценки позы, давайте лучше поймем, что такое оценка позы.
Оценка позы — это метод компьютерного зрения, используемый для анализа позы человека или объекта на изображении или видео. Модели глубокого обучения, такие как YOLO11, могут идентифицировать, определять местоположение и отслеживать ключевые точки на данном объекте или человеке. Для объектов эти ключевые точки могут включать углы, края или отчетливые отметки на поверхности, тогда как для людей эти ключевые точки представляют основные суставы, такие как локоть, колено или плечо.
Оценка позы — это уникальная и более сложная задача по сравнению с другими задачами компьютерного зрения, такими как обнаружение объектов. В то время как обнаружение объектов определяет местоположение объектов на изображении, рисуя вокруг них рамку, оценка позы идет дальше, предсказывая точное положение ключевых точек на объекте.
Когда речь идет об оценке позы, есть два основных подхода: восходящий и нисходящий. Восходящий подход обнаруживает отдельные ключевые точки и объединяет их в скелеты, в то время как нисходящий подход фокусируется сначала на обнаружении объектов, а затем на оценке ключевых точек внутри них.
YOLO11 сочетает в себе сильные стороны как нисходящего, так и восходящего методов. Как и восходящий подход, он остается простым и быстрым, не требуя ручного группирования ключевых точек. В то же время он использует точность нисходящего метода, обнаруживая людей и оценивая их позы за один шаг.
Универсальные возможности YOLO11 для оценки позы открывают широкий спектр возможных применений во многих отраслях. Давайте подробнее рассмотрим некоторые варианты использования оценки позы с помощью YOLO11.
Безопасность является важным аспектом любого строительного проекта. Это особенно актуально, поскольку, согласно статистике, на строительных площадках происходит больше несчастных случаев, связанных с работой. В 2021 году около 20% всех связанных с работой смертельных травм произошло на строительных площадках или вблизи них. При ежедневных рисках, таких как тяжелое оборудование и электрические системы, строгие меры безопасности необходимы для обеспечения безопасности работников. Традиционные методы, такие как использование знаков, баррикад и ручной мониторинг со стороны руководителей, не всегда эффективны и часто отвлекают руководителей от более важных задач.
ИИ может вмешаться для повышения безопасности, и риск несчастных случаев можно снизить, используя систему мониторинга работников на основе оценки позы. Модели Ultralytics YOLO11 можно использовать для отслеживания движений и поз работников. Любые потенциальные опасности, такие как слишком близкое нахождение работников к опасному оборудованию или неправильное выполнение задач, можно быстро обнаружить. В случае обнаружения риска можно уведомить руководителей или подать сигнал тревоги работнику. Система непрерывного мониторинга может сделать строительные площадки более безопасными, постоянно следя за опасностями и защищая работников.
Фермеры и исследователи могут использовать YOLO11 для изучения движений и поведения сельскохозяйственных животных, таких как крупный рогатый скот, для выявления ранних признаков таких заболеваний, как хромота. Хромота — это состояние, при котором животное испытывает трудности с правильным передвижением из-за боли в ногах или ступнях. У крупного рогатого скота такие заболевания, как хромота, не только влияют на их здоровье и благополучие, но и приводят к проблемам с производством на молочных фермах. Исследования показывают, что хромота поражает от 8% крупного рогатого скота в пастбищных системах и от 15% до 30% в закрытых системах по всей мировой молочной промышленности. Выявление и устранение хромоты на ранней стадии может помочь улучшить благополучие животных и снизить производственные потери, связанные с этим состоянием.
Функции оценки позы YOLO11 могут помочь фермерам отслеживать особенности походки животных и быстро выявлять любые отклонения, которые могут сигнализировать о проблемах со здоровьем, таких как проблемы с суставами или инфекции. Раннее выявление этих проблем позволяет быстрее начать лечение, уменьшая дискомфорт животных и помогая фермерам избежать экономических потерь.
Системы мониторинга с поддержкой Vision AI также могут помочь анализировать поведение в состоянии покоя, социальное взаимодействие и модели питания. Фермеры также могут использовать оценку позы для получения информации о признаках стресса или агрессии. Эти данные можно использовать для создания лучших условий жизни для животных и повышения их благополучия.
Оценка позы также может помочь людям улучшить свою осанку в режиме реального времени во время тренировки. С помощью YOLO11 инструкторы по фитнесу и йоге могут отслеживать и контролировать движения тела тренирующихся людей, уделяя особое внимание ключевым точкам, таким как суставы и конечности, для оценки их осанки. Собранные данные можно сравнивать с идеальными позами и техниками тренировок, и инструкторы могут получать оповещения, если кто-то выполняет движение неправильно, что помогает предотвратить травмы.
Например, во время занятия йогой оценка позы может помочь контролировать, сохраняют ли все ученики правильный баланс и выравнивание. Мобильные приложения, интегрированные с компьютерным зрением и оценкой позы, могут сделать фитнес более доступным для людей, занимающихся дома, или для тех, у кого нет доступа к персональным тренерам. Эта непрерывная обратная связь в режиме реального времени помогает пользователям улучшить свою технику и достичь своих фитнес-целей, снижая при этом риск получения травм.
Теперь, когда мы изучили, что такое оценка позы, и обсудили некоторые ее применения, давайте посмотрим, как вы можете попробовать оценку позы с помощью новой модели YOLO11. Для начала есть два удобных способа сделать это: с помощью пакета Ultralytics Python или через Ultralytics HUB. Давайте рассмотрим оба варианта.
Запуск инференса включает в себя обработку моделью YOLO11 новых данных вне ее тренировочных наборов и использование изученных закономерностей для составления прогнозов на основе этих данных. Вы можете запускать инференсы через код с помощью пакета Ultralytics Python. Все, что вам нужно сделать, чтобы начать работу, — это установить пакет Ultralytics с помощью pip, conda или Docker. Если у вас возникнут какие-либо проблемы во время установки, наше Руководство по распространенным проблемам предлагает полезные советы по устранению неполадок.
После успешной установки пакета следующий код описывает, как загрузить модель и использовать ее для прогнозирования поз объектов на изображении.
Предположим, вы работаете над проектом компьютерного зрения и у вас есть определенный набор данных для конкретного приложения, связанного с оценкой позы. Тогда вы можете дообучить и обучить пользовательскую модель YOLO11 в соответствии с вашими потребностями. Например, вы можете использовать набор данных ключевых точек для анализа и понимания позы тигра на изображениях, определяя ключевые особенности, такие как положение его конечностей, головы и хвоста.
Вы можете использовать следующий фрагмент кода для загрузки и обучения модели оценки позы YOLO11. Модель можно построить на основе YAML-конфигурации, или вы можете загрузить предварительно обученную модель для обучения. Этот скрипт также позволяет переносить веса и начинать обучение модели с использованием указанного набора данных, такого как набор данных COCO для оценки позы.
Используя новую обученную пользовательскую модель, вы можете запускать инференс на ранее не виденных изображениях, относящихся к вашему решению компьютерного зрения. Обученная модель также может быть преобразована в другие форматы с использованием режима экспорта.
До сих пор мы рассматривали методы использования YOLO11, требующие некоторых базовых знаний программирования. Если это не то, что вы ищете, или вы не знакомы с программированием, есть другой вариант: Ultralytics HUB. Ultralytics HUB — это удобная платформа, предназначенная для упрощения процесса обучения и развертывания моделей YOLO. HUB позволяет легко управлять наборами данных, обучать модели и развертывать их без необходимости специальных технических знаний.
Чтобы запустить инференс на изображениях, вы можете создать учетную запись, перейти в раздел «Модели» и выбрать интересующую вас модель оценки позы YOLO11. В разделе предварительного просмотра вы можете загрузить изображение и просмотреть результаты предсказания, как показано ниже.
Ultralytics YOLO11 предлагает точные и гибкие решения для таких задач, как оценка позы, в широком спектре приложений. От повышения безопасности рабочих на строительных площадках до мониторинга здоровья скота и помощи в коррекции осанки во время фитнес-тренировок, YOLO11 обеспечивает точность и обратную связь в реальном времени благодаря передовой технологии компьютерного зрения.
Ее универсальность, с множеством вариантов моделей и возможностью пользовательского обучения для конкретных случаев использования, делает ее очень ценным инструментом как для разработчиков, так и для предприятий. Будь то программирование с помощью пакета Ultralytics Python или использование Ultralytics HUB для более простой реализации, YOLO11 делает оценку позы доступной и эффективной.
Чтобы узнать больше, посетите наш репозиторий GitHub и присоединяйтесь к нашему сообществу. Изучите приложения ИИ в производстве и сельском хозяйстве на страницах наших решений. 🚀
.webp)