YOLO26 Semantic Segmentation Skill

基于 Ultralytics YOLO26 对图片目录做语义分割，提取 EXIF GPS 经纬度，输出完整结果包。

默认行为（自动执行）

当用户说"做语义分割"、"分析图像"、"跑 YOLO26 sem"等类似表述时，直接运行脚本：

python scripts/run_semantic.py --input gsv_out --output gsv_semantic

输入

默认读取 gsv_out/ 下所有 .jpg。可通过 --input 指定其他目录。

输出（带时间戳目录）

gsv_semantic_YYYYMMDD_HHMMSS/
├── results.csv       # 每张图一行
├── masks/            # Cityscapes 官方色彩掩膜 PNG
└── overlays/         # 原图 50% + 掩膜 50% 叠加 JPG

CSV 列说明

模型与色彩

默认使用 yolo26n-sem.pt（Cityscapes 预训练，19 类），Cityscapes 官方色彩映射：

脚本配置（run_semantic.py 顶部）

INPUT_DIR = "gsv_out"        # 输入图像目录
MODEL_NAME = "yolo26n-sem.pt" # 模型 (n/s/m/l/x)
IMGSZ = 1024                  # 推理分辨率
DEVICE = "cpu"                # "0"=GPU, "cpu"=CPU

依赖

pip install ultralytics pillow numpy

触发场景

• "做语义分割"、"跑语义分割"、"分析语义"
• "对图像做 YOLO26 分割"、"semantic segmentation"
• "输出这些图的语义类别占比"
• "跑 run_semantic.py"

训练自定义模型

from ultralytics import YOLO
model = YOLO("yolo26n-sem.pt")
model.train(data="your_dataset.yaml", epochs=100, imgsz=512, batch=16)

单张推理

from ultralytics import YOLO
model = YOLO("yolo26n-sem.pt")
results = model("image.jpg")
mask = results[0].semantic_mask.data  # (H,W) 类ID矩阵

导出

yolo semantic export model=yolo26n-sem.pt format=onnx

模型选择

数据集格式

语义分割使用单通道 PNG 掩码，像素值=类ID，255=忽略。

# dataset.yaml
path: ./dataset
train: images/train
val: images/val
masks_dir: masks
names:
  0: background
  1: road
  # ...

实例分割 vs 语义分割

Scripts

Run a listed script with bash using the exact path shown below; quote the path if it contains spaces.

• scripts/run_semantic.py — 批量语义分割主脚本。用法：
  bash cd <skill目录> python scripts/run_semantic.py --input ./gsv_out --output gsv_semantic
  参数：--input 图像目录，--output 输出前缀，--model 模型名，--imgsz 分辨率，--device cpu/0

许可证说明

本 Skill 基于 Ultralytics YOLO（YOLO26） 二次封装开发。

上游 Ultralytics YOLO 源码遵循 GNU AGPLv3.0 License。

1. 本 Skill 完整源码采用 GNU AGPLv3.0 开源分发；
2. 若你修改本 Skill，并通过网络对外提供服务，修改后的全部源代码必须公开；
3. 预训练模型权重文件不随本项目分发，请前往 Ultralytics 官方渠道自行下载；
4. 商业使用须知：AGPLv3 协议不支持闭源商用。如需闭源商业部署，请向 Ultralytics 官方申请商业授权；
5. 本 Skill 仅作技术学习研究使用，严禁用于非法监控、侵犯公民隐私、违反法律法规的场景。

原始项目地址：https://github.com/ultralytics/ultralytics