【YOLO 入门到精通 11】进阶任务实战：分割、姿态、OBB 与深度估计

标签：实例分割 姿态估计 OBB 深度估计 YOLO多任务

难度：⭐⭐⭐⭐ | 阅读时长 ：约 75 分钟 | 系列：第 11/12 集

前置：10 导出部署 | 下一集 ：12 生产实践

写在前面

检测只是起点。医学影像要分割，健身房要姿态，卫星图要旋转框 ，AR 要深度------YOLO26 用统一框架覆盖 7 大任务。

本集带你逐个击破，每个任务都有「是什么 → 怎么训 → 怎么用」的完整路径。

本集学习目标

完成实例分割训练与推理
实现姿态估计与角度计算
处理旋转目标检测 (OBB)
了解分类、语义分割、深度估计

文章目录

[【YOLO 入门到精通 11】进阶任务实战：分割、姿态、OBB 与深度估计](#【YOLO 入门到精通 11】进阶任务实战：分割、姿态、OBB 与深度估计)
- 写在前面
- 本集学习目标
- [11.1 进阶任务概览](#11.1 进阶任务概览)
- [11.2 实例分割 (Segmentation)](#11.2 实例分割 (Segmentation))
- - [检测 vs 分割](#检测 vs 分割)
  - 训练
  - 推理
- [11.3 姿态估计 (Pose)](#11.3 姿态估计 (Pose))
- - [17 个 COCO 关键点](#17 个 COCO 关键点)
  - 训练与推理
  - 角度计算（健身场景）
- [11.4 旋转目标检测 (OBB)](#11.4 旋转目标检测 (OBB))
- [11.5 图像分类 (Classification)](#11.5 图像分类 (Classification))
- [11.6 语义分割 (Semantic)](#11.6 语义分割 (Semantic))
- [11.7 深度估计 (Depth)](#11.7 深度估计 (Depth))
- [11.8 任务选择决策](#11.8 任务选择决策)
- - 多任务体验
- [11.9 踩坑指南](#11.9 踩坑指南)
- [11.10 本集小结](#11.10 本集小结)

11.1 进阶任务概览

任务	后缀	输出	场景
检测	无	框+类	通用
实例分割	-seg	掩码	抠图/医学
姿态	-pose	17关键点	健身/安防
OBB	-obb	旋转框	航拍
分类	-cls	类别概率	质检
语义分割	-sem	像素类别图	场景理解
深度	-depth	深度图(米)	AR/机器人

11.2 实例分割 (Segmentation)

检测 vs 分割

	检测	分割
输出	矩形框	像素掩码
精度	粗略	像素级
模型	yolo26n.pt	yolo26n-seg.pt

训练

python 复制代码

from ultralytics import YOLO

model = YOLO("yolo26n-seg.pt")
model.train(data="seg_dataset.yaml", epochs=100, imgsz=640, batch=8)

标签格式（多边形）：class x1 y1 x2 y2 x3 y3 ...

推理

python 复制代码

model = YOLO("yolo26n-seg.pt")
results = model("image.jpg")

for r in results:
    if r.masks:
        masks = r.masks.data  # (N, H, W)
        print(f"{len(masks)} 个实例")
        r.save("segmented.jpg")

场景	推荐模型
医学影像	yolo26m-seg
电商抠图	yolo26s-seg
工业缺陷	yolo26m-seg

11.3 姿态估计 (Pose)

17 个 COCO 关键点

复制代码

       0鼻
      / \
   1左眼 2右眼
   3左耳 4右耳
    5左肩-6右肩
   /  \  /  \
  7左肘 8右肘
  9左腕 10右腕
  11左髋-12右髋
   /  \  /  \
 13左膝 14右膝
 15左踝 16右踝

训练与推理

python 复制代码

model = YOLO("yolo26n-pose.pt")
model.train(data="coco-pose.yaml", epochs=100)
results = model("person.jpg")

角度计算（健身场景）

python 复制代码

import numpy as np

def angle(p1, p2, p3):
    v1, v2 = np.array(p1)-np.array(p2), np.array(p3)-np.array(p2)
    cos = np.dot(v1,v2) / (np.linalg.norm(v1)*np.linalg.norm(v2)+1e-6)
    return np.degrees(np.arccos(np.clip(cos, -1, 1)))

r = model("squat.jpg")[0]
if r.keypoints is not None:
    kps = r.keypoints.xy[0].cpu().numpy()
    knee_angle = angle(kps[11], kps[13], kps[15])  # 左膝
    print(f"左膝角度: {knee_angle:.1f}°")
    if knee_angle < 90:
        print("深蹲到位！")

11.4 旋转目标检测 (OBB)

适用于目标有任意角度的情况（航拍、文档）。

python 复制代码

model = YOLO("yolo26n-obb.pt")
model.train(data="dota.yaml", epochs=100, imgsz=1024)
results = model("aerial.jpg")

for r in results:
    if r.obb:
        for i in range(len(r.obb)):
            xywhr = r.obb.xywhr[i].cpu().numpy()
            x, y, w, h, angle = xywhr
            cls_name = model.names[int(r.obb.cls[i])]
            print(f"{cls_name}: 中心({x:.1f},{y:.1f}), 角度{np.degrees(angle):.1f}°")

标签：class x_center y_center width height angle（弧度）

11.5 图像分类 (Classification)

python 复制代码

model = YOLO("yolo26n-cls.pt")

# 数据结构: dataset/train/cat/, dataset/train/dog/
model.train(data="classification_dataset", epochs=100, imgsz=224)

results = model("animal.jpg")
probs = results[0].probs
for i, (cid, conf) in enumerate(zip(probs.top5, probs.top5conf)):
    print(f"{i+1}. {model.names[cid]}: {conf:.2%}")

11.6 语义分割 (Semantic)

与实例分割区别：不区分同类个体。

python 复制代码

model = YOLO("yolo26n-sem.pt")
model.train(data="cityscapes.yaml", epochs=100)
results = model("street.jpg")
# 输出每像素类别图，适合场景理解

11.7 深度估计 (Depth)

从单张 RGB 图预测每像素距离（米）。

python 复制代码

import cv2
import numpy as np

model = YOLO("yolo26n-depth.pt")
results = model("room.jpg")

for r in results:
    if r.depth is not None:
        depth = r.depth.data[0].cpu().numpy()
        vis = cv2.applyColorMap(
            ((depth - depth.min()) / (depth.max() - depth.min() + 1e-6) * 255).astype(np.uint8),
            cv2.COLORMAP_INFERNO
        )
        cv2.imwrite("depth.jpg", vis)
        print(f"中心深度: {depth[depth.shape[0]//2, depth.shape[1]//2]:.2f}m")

应用	用途
AR/VR	虚拟物体放置
机器人	障碍物距离
3D重建	单目深度图

11.8 任务选择决策

#mermaid-svg-4Okq47ZFep2H1YXa{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-4Okq47ZFep2H1YXa .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-4Okq47ZFep2H1YXa .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-4Okq47ZFep2H1YXa .error-icon{fill:#552222;}#mermaid-svg-4Okq47ZFep2H1YXa .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-4Okq47ZFep2H1YXa .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-4Okq47ZFep2H1YXa .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-4Okq47ZFep2H1YXa .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-4Okq47ZFep2H1YXa .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-4Okq47ZFep2H1YXa .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-4Okq47ZFep2H1YXa .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-4Okq47ZFep2H1YXa .marker{fill:#333333;stroke:#333333;}#mermaid-svg-4Okq47ZFep2H1YXa .marker.cross{stroke:#333333;}#mermaid-svg-4Okq47ZFep2H1YXa svg{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-4Okq47ZFep2H1YXa p{margin:0;}#mermaid-svg-4Okq47ZFep2H1YXa .label{font-family:"trebuchet ms",verdana,arial,sans-serif;color:#333;}#mermaid-svg-4Okq47ZFep2H1YXa .cluster-label text{fill:#333;}#mermaid-svg-4Okq47ZFep2H1YXa .cluster-label span{color:#333;}#mermaid-svg-4Okq47ZFep2H1YXa .cluster-label span p{background-color:transparent;}#mermaid-svg-4Okq47ZFep2H1YXa .label text,#mermaid-svg-4Okq47ZFep2H1YXa span{fill:#333;color:#333;}#mermaid-svg-4Okq47ZFep2H1YXa .node rect,#mermaid-svg-4Okq47ZFep2H1YXa .node circle,#mermaid-svg-4Okq47ZFep2H1YXa .node ellipse,#mermaid-svg-4Okq47ZFep2H1YXa .node polygon,#mermaid-svg-4Okq47ZFep2H1YXa .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-4Okq47ZFep2H1YXa .rough-node .label text,#mermaid-svg-4Okq47ZFep2H1YXa .node .label text,#mermaid-svg-4Okq47ZFep2H1YXa .image-shape .label,#mermaid-svg-4Okq47ZFep2H1YXa .icon-shape .label{text-anchor:middle;}#mermaid-svg-4Okq47ZFep2H1YXa .node .katex path{fill:#000;stroke:#000;stroke-width:1px;}#mermaid-svg-4Okq47ZFep2H1YXa .rough-node .label,#mermaid-svg-4Okq47ZFep2H1YXa .node .label,#mermaid-svg-4Okq47ZFep2H1YXa .image-shape .label,#mermaid-svg-4Okq47ZFep2H1YXa .icon-shape .label{text-align:center;}#mermaid-svg-4Okq47ZFep2H1YXa .node.clickable{cursor:pointer;}#mermaid-svg-4Okq47ZFep2H1YXa .root .anchor path{fill:#333333!important;stroke-width:0;stroke:#333333;}#mermaid-svg-4Okq47ZFep2H1YXa .arrowheadPath{fill:#333333;}#mermaid-svg-4Okq47ZFep2H1YXa .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-4Okq47ZFep2H1YXa .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-4Okq47ZFep2H1YXa .edgeLabel{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-4Okq47ZFep2H1YXa .edgeLabel p{background-color:rgba(232,232,232, 0.8);}#mermaid-svg-4Okq47ZFep2H1YXa .edgeLabel rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-4Okq47ZFep2H1YXa .labelBkg{background-color:rgba(232, 232, 232, 0.5);}#mermaid-svg-4Okq47ZFep2H1YXa .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-4Okq47ZFep2H1YXa .cluster text{fill:#333;}#mermaid-svg-4Okq47ZFep2H1YXa .cluster span{color:#333;}#mermaid-svg-4Okq47ZFep2H1YXa div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-4Okq47ZFep2H1YXa .flowchartTitleText{text-anchor:middle;font-size:18px;fill:#333;}#mermaid-svg-4Okq47ZFep2H1YXa rect.text{fill:none;stroke-width:0;}#mermaid-svg-4Okq47ZFep2H1YXa .icon-shape,#mermaid-svg-4Okq47ZFep2H1YXa .image-shape{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-4Okq47ZFep2H1YXa .icon-shape p,#mermaid-svg-4Okq47ZFep2H1YXa .image-shape p{background-color:rgba(232,232,232, 0.8);padding:2px;}#mermaid-svg-4Okq47ZFep2H1YXa .icon-shape .label rect,#mermaid-svg-4Okq47ZFep2H1YXa .image-shape .label rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-4Okq47ZFep2H1YXa .label-icon{display:inline-block;height:1em;overflow:visible;vertical-align:-0.125em;}#mermaid-svg-4Okq47ZFep2H1YXa .node .label-icon path{fill:currentColor;stroke:revert;stroke-width:revert;}#mermaid-svg-4Okq47ZFep2H1YXa :root{--mermaid-font-family:"trebuchet ms",verdana,arial,sans-serif;} 否
是
是
否
是
否
需求
要位置?
Classification
要精确轮廓?
Segmentation
目标旋转?
OBB
Detection
人体动作?
Pose
距离信息?
Depth

多任务体验

python 复制代码

image = "scene.jpg"
for task, name in [("yolo26n.pt","检测"), ("yolo26n-seg.pt","分割"), ("yolo26n-pose.pt","姿态")]:
    r = YOLO(task)(image)[0]
    r.save(f"result_{name}.jpg")

11.9 踩坑指南

坑	解决
分割显存不够	减 batch，用 n/s 模型
姿态只能检人	-pose 模型针对人体
OBB 需大 imgsz	建议 1024+
分类数据目录错	必须 train/class_name/ 结构
深度值不准	单目深度为相对值，需场景校准

11.10 本集小结

需求	选
有什么在哪	Detection
精确轮廓	-seg
人体动作	-pose
航拍倾斜	-obb
整图分类	-cls
场景理解	-sem
3D/距离	-depth

← 第10集	第12集：生产实践 →