Les sept tâches de vision

Les sept tâches en un coup d’œil#

Lis le tableau en regardant la colonne « Sortie » : c’est à elle que doit correspondre la ligne de sortie de ta spécification.

Deux paires de notions prêtent à confusion. Segmentation d’instance vs segmentation sémantique : la segmentation d’instance sépare chaque objet (trois voitures, trois masques) ; la segmentation sémantique étiquette uniquement les pixels par classe (une région « voiture », sans décompte). Détection vs OBB : les deux renvoient une boîte par objet, mais une OBB pivote avec l’objet, ce qui compte lorsque les objets sont inclinés dans des images prises en plongée.

Une API, sept sorties#

Changer de tâche ne signifie pas changer d’outil. Le fichier de poids détermine le résultat renvoyé, et l’objet Results renseigne l’attribut correspondant :

from ultralytics import YOLO

image = "https://ultralytics.com/images/bus.jpg"
outputs = ["probs", "boxes", "masks", "semantic_mask", "depth", "keypoints", "obb"]

for suffix in ["-cls", "", "-seg", "-sem", "-depth", "-pose", "-obb"]:
    weights = f"yolo26n{suffix}.pt"
    model = YOLO(weights)
    result = model(image, verbose=False)[0]
    filled = [name for name in outputs if getattr(result, name) is not None]
    print(f"{weights:18} task={model.task:9} -> {', '.join(filled)}")

yolo26n-cls.pt     task=classify  -> probs
yolo26n.pt         task=detect    -> boxes
yolo26n-seg.pt     task=segment   -> boxes, masks
yolo26n-sem.pt     task=semantic  -> semantic_mask
yolo26n-depth.pt   task=depth     -> depth
yolo26n-pose.pt    task=pose      -> boxes, keypoints
yolo26n-obb.pt     task=obb       -> obb

Lis la colonne de droite : la segmentation et la pose renvoient aussi des boîtes, car elles ajoutent simplement un élément à la détection. La segmentation sémantique et la profondeur ne renvoient aucune sortie par objet : elles décrivent plutôt chaque pixel. Ton code en aval lit exactement l’un de ces attributs ; la ligne de sortie de ta spécification doit donc le nommer.

Choisir en pratique#

Commence par déterminer ce qu’une prédiction doit décrire, puis choisis la tâche la moins coûteuse qui répond à la question de décision :

1. Une étiquette pour l’image entière → classification.
2. Une classe pour chaque pixel, sans besoin de séparer les objets → segmentation sémantique.
3. Une distance pour chaque pixel → estimation de profondeur.
4. Une information sur chaque objet :
   • sa position, pour le compter, le localiser ou le filtrer → détection (ajoute le suivi pour conserver son identité d’une image à l’autre) ;
   • sa forme exacte, son contour ou sa surface → segmentation d’instance ;
   • sa posture → pose ;
   • sa rotation dans des images prises en plongée → OBB.

Si deux tâches conviennent, choisis celle qui coûte le moins cher à annoter et à exécuter. La détection est le choix par défaut pour la plupart des produits : les boîtes sont rapides à dessiner et à vérifier, et, avec le suivi, elles permettent déjà le comptage, les alertes de zone et l’analyse du trafic, comme dans cette vue d’autoroute :

Profondeur : la tâche qui répond à la question « à quelle distance ? »#

L’estimation de profondeur renvoie une carte de la taille de l’image, avec une distance en mètres par pixel — sans classe ni boîte. Utilise-la lorsque la distance détermine la décision : un robot qui évite les obstacles, un véhicule qui ralentit lorsqu’un objet est proche ou une estimation approximative du volume d’un tas.

from ultralytics import YOLO

model = YOLO("yolo26n-depth.pt")
result = model("https://ultralytics.com/images/bus.jpg", verbose=False)[0]

depth = result.depth.data  # meters, one value per pixel
print(f"depth map {tuple(depth.shape)}, nearest {float(depth.min()):.1f} m, farthest {float(depth.max()):.1f} m")

depth map (1080, 810), nearest 2.0 m, farthest 14.9 m

Une caméra unique déduit la profondeur à partir d’indices appris, comme la perspective et la taille des objets. Mesure donc son erreur sur tes propres scènes avant de l’utiliser pour des distances critiques pour la sécurité. La profondeur se combine bien avec la détection : détecte l’objet, puis lis la carte de profondeur dans sa boîte.

Pièges#