计算机视觉任务全解析

得益于摄像头和人工智能 (AI) 的进步，计算机和机器如今可以像人类一样观察世界。例如，它们能够识别人、跟踪物体，甚至理解视频中发生事件的背景。

具体来说，计算机视觉是 AI 的一个分支，能够让机器理解并解读周围世界的视觉信息。计算机视觉包含多种任务，每种任务都旨在从图像或视频中提取特定类型的洞察。例如，目标检测有助于识别并定位图像中的不同物体，而跟踪、分割和姿态估计等其他任务则帮助机器更准确地理解运动、形状和位置。

特定应用所采用的计算机视觉任务取决于你需要哪类洞察。像 Ultralytics YOLO11 这样的计算机视觉模型支持多种计算机视觉任务，是构建实际视觉 AI 系统的可靠选择。

本指南将深入介绍 YOLO11 等模型支持的计算机视觉任务。我们将探索每种任务的工作原理，以及它们在不同行业中的应用方式。

什么是计算机视觉任务？#

计算机视觉任务旨在通过不同方式模拟人类的视觉能力。这些任务可以帮助机器检测物体、跟踪物体移动、估计姿势，甚至勾勒图像和视频中的各个元素。通常，计算机视觉任务由模型提供支持，这些模型会将视觉数据拆分成更小的部分，以便更清楚地解读其中发生的情况。

像 Ultralytics YOLO 模型这样的视觉 AI 模型支持在同一框架中执行检测、跟踪和分割等多种任务。得益于这种多功能性，YOLO11 模型很容易应用于各种使用场景。

图 1。Ultralytics YOLO11 支持的计算机视觉任务。

体育数据分析就是一个很好的例子。可以先使用目标检测通过 YOLO11 检测球场上的每位球员，再使用目标跟踪在整场比赛中持续追踪他们。同时，YOLO11 的姿势估计能力可以帮助分析球员的动作和技术，而实例分割则可以将每位球员从背景中分离出来，提升分析精度。

这些由 YOLO11 支持的计算机视觉任务相结合，可以完整呈现比赛中的情况，让团队更深入地了解球员表现、战术和整体策略。

Ultralytics YOLO11 支持的计算机视觉任务概览#

现在我们已经了解了什么是计算机视觉任务，接下来将结合现实案例，深入介绍 YOLO11 支持的每项任务。

Ultralytics YOLO11 对图像分类的支持#

看到一张照片时，大多数人都能轻松判断画面中是狗、山还是交通标志，因为我们都了解这些事物的典型样貌。图像分类通过教机器根据图像中的主要物体为图像分类并添加标签，帮助机器完成同样的任务。标签可以是“汽车”“香蕉”或“带骨折的 X 光片”。这些标签有助于计算机视觉系统理解视觉内容，从而做出相应的响应或决策。

这项计算机视觉任务的一个有趣应用是野生动物监测。图像分类可以识别野外拍摄照片中的不同动物物种。通过自动为图像添加标签，研究人员可以追踪种群数量、监测迁徙模式并更轻松地识别濒危物种，从而支持保护工作。

图 2. 使用 YOLO11 进行图像分类的示例。

Ultralytics YOLO11 的目标检测能力#

图像分类有助于整体了解图像包含什么，但只能为整张图像分配一个标签。如果需要精确信息，例如多个物体的具体位置和身份，目标检测就必不可少。

目标检测是识别并定位图像中各个物体的过程，通常通过在物体周围绘制边界框来实现。Ultralytics YOLO11 在实时目标检测方面表现尤为出色，因此适用于各种应用。

例如，零售商店可以使用计算机视觉解决方案来管理货架补货。目标检测有助于统计水果、蔬菜和其他商品，确保库存准确。在农田中，同一技术可以监测作物成熟度，帮助农民确定最佳收获时间，甚至区分成熟和未成熟的农产品。

图 3. 使用 Ultralytics YOLO11 检测水果。

使用 YOLO11 进行实例分割#

目标检测使用边界框识别并定位图像中的物体，但无法捕捉物体的精确形状。这时就需要实例分割。实例分割不会在物体周围画框，而是描绘出物体的精确轮廓。

你可以这样理解：它不会只说“这个区域里有个苹果”，而是仔细勾勒并填充出苹果的确切形状。这个细致的过程能帮助 AI 系统清楚地理解物体边界，尤其是在物体彼此靠近时。

实例分割可应用于许多领域，从基础设施检查到地质调查。例如，可以使用 YOLO11 分析地质调查数据，对地表的大大小小裂缝或异常进行分割。通过精确勾勒这些异常的边界，工程师能够在项目开始前发现问题并加以处理。

图 4. 使用 YOLO11 进行裂缝分割。

目标跟踪：使用 YOLO11 跨帧追踪物体#

到目前为止，我们介绍的计算机视觉任务都聚焦于单张图像中的内容。不过，处理视频时，我们需要获取超越单帧的信息。为此，可以使用目标跟踪任务。

YOLO11 的目标跟踪能力可以在一系列视频帧中追踪特定物体，例如行人或汽车。即使摄像机角度发生变化或出现其他物体，系统也会继续跟踪同一个目标。

这对于需要长期监测的应用至关重要，例如跟踪交通中的汽车。事实上，YOLO11 可以准确跟踪车辆，逐辆追踪汽车以实时估算车速。因此，目标跟踪是交通监控等系统的关键组成部分。

图 5. YOLO11 对目标跟踪的支持可用于速度估算。

使用 YOLO11 检测旋转边界框 (OBB)#

现实世界中的物体并不总是完美对齐：它们可能倾斜、侧向放置，或处于不寻常的角度。例如，在卫星图像中，船只和建筑物常常会以旋转的角度出现。

传统目标检测方法使用固定的矩形框，不会根据物体的朝向进行调整，因此难以准确捕捉这些旋转形状。旋转边界框 (OBB) 检测通过使用可旋转的边界框来解决这个问题，让边界框贴合物体并与物体角度对齐，从而实现更精准的检测。

在港口监控方面，YOLO11 对 OBB 检测的支持有助于准确识别和跟踪不同朝向的船只，确保每艘进出港口的船舶都得到妥善监控。这种精准检测能够实时提供船舶的位置和移动信息，这对于管理繁忙的港口和防止碰撞至关重要。

图 6. 使用 OBB 检测和 YOLO11 检测船只。

姿态估计与 YOLO11：跟踪关键点#

姿态估计是一种计算机视觉技术，它通过跟踪关节、肢体或其他标记等关键点来了解物体如何移动。这种方法不会把整个物体或身体当作一个完整单元，而是将其拆分为关键部分。这样就能详细分析动作、姿势和交互。

这项技术的一个常见应用是人体姿态估计。通过实时跟踪身体各部位的位置，它可以清楚地呈现一个人的动作。这些信息可用于多种用途，从手势识别和活动监测到体育运动表现分析。

同样，在康复治疗中，治疗师可以使用人体姿态估计和 YOLO11 监测患者锻炼时的动作。这有助于确保每个动作都正确完成，同时跟踪患者的长期进展。

图 7. YOLO11 可以使用姿态估计监测锻炼情况。

探索 YOLO11 如何支持各种计算机视觉任务#

现在，我们已经详细了解了 YOLO11 支持的所有计算机视觉任务，接下来看看 YOLO11 如何支持这些任务。

YOLO11 并非单一模型，而是一套专用模型变体，每种变体都针对特定的计算机视觉任务而设计。因此，YOLO11 是一种用途广泛的工具，可以适用于各种应用。你还可以使用自定义数据集微调这些模型，以应对项目中的独特挑战。

以下是针对特定视觉任务预训练的 YOLO11 模型变体：

• YOLO11：该模型可实时检测并标注多个物体，非常适合高速视觉识别。
• YOLO11-seg：该变体专注于分割，使用精细的掩码将物体与背景分离。
• YOLO11-cls：该变体根据图像的整体内容，为图像分配一个类别标签进行分类。
• YOLO11-pose：该模型通过估计身体关键点来跟踪姿势、肢体位置和运动。
• YOLO11-obb：该模型专为检测旋转物体而设计，可绘制与每个物体朝向对齐的边界框。

每种变体都提供不同尺寸，让用户能够根据具体需求，在速度和准确性之间选择合适的平衡。较新的 Ultralytics YOLO26 支持相同的任务，并新增了语义分割和深度估计。

要点#

计算机视觉任务正在改变机器理解世界并与世界互动的方式。通过将图像和视频拆解为关键元素，这些技术让我们能够更轻松地详细分析物体、动作和交互。

从提升交通安全和体育表现到简化工业流程，YOLO11 等模型能够提供实时洞察，推动创新。随着视觉 AI 持续发展，它很可能会在我们每天理解和使用视觉数据的过程中发挥越来越重要的作用。

加入我们的社区，访问我们的 GitHub 代码库，看看 AI 如何付诸实践。了解我们的许可选项，并在我们的解决方案页面上进一步了解农业 AI和制造业中的计算机视觉。