¡Ha llegado Ultralytics YOLO11! ¡Redefine lo que es posible en la IA!

Estamos encantados de presentar la siguiente evolución de los modelos de Ultralytics: ¡YOLO11! Basándose en los impresionantes avances de versiones anteriores de los modelos YOLO, YOLO11 aporta una gran cantidad de potentes funciones y optimizaciones que lo hacen más rápido, más preciso e increíblemente versátil. Anunciado en el evento YOLO Vision 2024 (YV24), la reunión híbrida anual de Ultralytics de expertos en IA, innovadores y desarrolladores, esta última incorporación a la familia Ultralytics está lista para redefinir lo que es posible con la visión artificial.

Con su arquitectura innovadora, YOLO11 puede utilizarse para diversas tareas de visión artificial, desde la detección de objetos en tiempo real hasta la clasificación, lo que lo convierte en un punto de inflexión tanto para desarrolladores como para investigadores. Entre las mejoras clave se incluyen una extracción de características mejorada para captar detalles con mayor precisión, una mayor exactitud con menos parámetros y velocidades de procesamiento más rápidas que mejoran significativamente el rendimiento en tiempo real. En este artículo, analizaremos más de cerca las características que hacen que YOLO11 destaque y cómo puede transformar tus aplicaciones de visión artificial. ¡Empecemos!

Fig 1. Glenn Jocher en el escenario, anunciando YOLO11 en YOLO Vision 24.

Link to this sectionConociendo a YOLO11#

YOLO11 marca un nuevo capítulo para la familia YOLO, ofreciendo un modelo más capaz y versátil que lleva la visión artificial a nuevas cotas. Con su arquitectura refinada y capacidades mejoradas, el modelo es compatible con tareas de visión artificial como la estimación de poses y la segmentación de instancias que a la comunidad de IA de visión le han encantado de Ultralytics YOLOv8, pero con un rendimiento y una precisión aún mayores. Glenn Jocher, fundador y CEO de Ultralytics, compartió: “Con YOLO11, nos propusimos desarrollar un modelo que ofreciera potencia y practicidad para aplicaciones del mundo real. Su eficiencia y precisión mejoradas lo convierten en una herramienta robusta que puede adaptarse a los desafíos únicos a los que se enfrentan diversas industrias. Estoy deseando ver cómo la comunidad de IA de visión utiliza YOLO11 para crear soluciones innovadoras y llevar la visión artificial al siguiente nivel”.

Fig 2. Glenn Jocher en el escenario, anunciando YOLO11 en YV24.

Aquí tienes un vistazo a las tareas de visión artificial que admite YOLO11:

• Detección de objetos: Identifica y localiza objetos dentro de imágenes o fotogramas de vídeo, dibujando cuadros delimitadores (BBox) alrededor de ellos para aplicaciones como vigilancia, conducción autónoma y análisis minorista.
• Segmentación de instancias: Consiste en identificar y separar objetos individuales dentro de una imagen a nivel de píxel. Es útil para aplicaciones como imagenología médica y la detección de defectos en fabricación.
• Clasificación de imágenes: Categoriza imágenes completas en clases predefinidas, lo que la hace ideal para aplicaciones como la categorización de productos en comercio electrónico o el monitoreo de vida silvestre.
• Estimación de poses: Detecta puntos clave específicos dentro de una imagen o un fotograma de vídeo para realizar un seguimiento de movimientos o poses, lo cual resulta beneficioso para aplicaciones de seguimiento del estado físico, análisis deportivo y atención sanitaria.
• Detección de objetos orientados (OBB): Detecta objetos con un ángulo de orientación, lo que permite una localización más precisa de objetos rotados, lo cual es especialmente valioso para tareas de imágenes aéreas, robótica y automatización de almacenes.
• Seguimiento de objetos: Monitoriza y sigue el movimiento de los objetos a través de fotogramas de vídeo consecutivos, lo que lo hace esencial para muchas aplicaciones en tiempo real.

Fig 3. Tareas de visión artificial compatibles con YOLO11.

Link to this section¿Qué hace que YOLO11 sea diferente?#

YOLO11 se basa en los avances introducidos en YOLOv9 y YOLOv10 a principios de este año, incorporando diseños arquitectónicos mejorados, técnicas avanzadas de extracción de características y métodos de entrenamiento optimizados. Lo que realmente hace destacar a YOLO11 es su impresionante combinación de velocidad, precisión y eficiencia, convirtiéndolo en uno de los modelos más capaces que Ultralytics ha creado hasta la fecha. Con un diseño mejorado, YOLO11 ofrece una mejor extracción de características, que es el proceso de identificar patrones y detalles importantes a partir de imágenes, lo que permite capturar aspectos complejos con mayor precisión, incluso en escenarios difíciles.

Notablemente, YOLO11m logra una mayor puntuación de mean Average Precision (mAP) en el dataset COCO utilizando un 22% menos de parámetros que YOLOv8m, lo que lo hace computacionalmente más ligero sin sacrificar el rendimiento. Esto significa que ofrece resultados más precisos siendo a la vez más eficiente. Además, YOLO11 aporta velocidades de procesamiento más rápidas, con tiempos de inferencia alrededor de un 2% más veloces que YOLOv10, lo que lo hace ideal para aplicaciones en tiempo real.

Fig 4. Uso de YOLO11 para la detección de objetos.

Está diseñado para manejar tareas complejas siendo más ligero en cuanto a recursos y orientado a mejorar el rendimiento de los modelos a gran escala, lo que lo convierte en una excelente opción para proyectos exigentes de IA. Las mejoras en la canalización de aumento (augmentation pipeline) también han mejorado el proceso de entrenamiento, facilitando que YOLO11 se adapte a diferentes tareas, tanto si trabajas en pequeños proyectos como en aplicaciones a gran escala.

De hecho, YOLO11 es altamente eficiente en cuanto a potencia de procesamiento y está perfectamente adaptado para su implementación (deployment) tanto en la nube como en dispositivos de borde (edge), garantizando flexibilidad en diferentes entornos. En pocas palabras, YOLO11 no es solo una actualización; es un modelo significativamente más preciso, eficiente y flexible, mejor equipado para manejar cualquier desafío de visión artificial. Ya sea para conducción autónoma, vigilancia, imagenología sanitaria, comercio minorista inteligente o casos de uso industrial, YOLO11 es lo suficientemente versátil como para adaptarse a casi cualquier aplicación de visión artificial.

Link to this sectionYOLO11 está listo para tus sistemas y plataformas#

YOLO11 está diseñado para integrarse perfectamente con los sistemas y plataformas que ya utilizas. Basándose en el soporte proporcionado por YOLOv8, YOLO11 es compatible con una amplia gama de entornos para entrenamiento, pruebas e implementación. Tanto si trabajas con GPUs NVIDIA, dispositivos de borde o despliegue en la nube, YOLO11 está optimizado para encajar sin esfuerzo en tu flujo de trabajo.

Estas integraciones son excelentes complementos que hacen que YOLO11 sea adaptable a diferentes industrias, ayudando a las empresas a implementar fácilmente el modelo en sus procesos existentes. Por ejemplo, supongamos que quieres utilizar YOLO11 para la agricultura, específicamente para el monitoreo de cultivos. Es posible que necesites desplegar el modelo en drones para identificar problemas de salud de las plantas en tiempo real a través de grandes campos. Sin embargo, si te dedicas a la seguridad, tal vez prefieras usar YOLO11 con un sistema basado en la nube para monitorear múltiples flujos de cámara para la detección de objetos.

Fig 5. Uso de YOLO11 en agricultura.

Link to this sectionPotenciando a la comunidad de IA con YOLO11#

La comunidad de IA de visión puede esperar avances emocionantes con el lanzamiento de YOLO11. Gracias a su mayor precisión y eficiencia, este nuevo modelo tiene el potencial de transformar las aplicaciones existentes y crear otras nuevas. Un factor importante en este progreso es Ultralytics HUB. Ultralytics HUB es una plataforma fácil de usar que simplifica el entrenamiento y la implementación de modelos YOLO, incluido YOLO11.

Fig 6. Ejecuta inferencias de YOLO11 en Ultralytics HUB.

Ultralytics HUB agiliza el proceso de desarrollo al permitir a los usuarios subir datasets, acceder a una variedad de modelos preentrenados y gestionar sus proyectos en un solo lugar. El HUB también fomenta la colaboración, facilitando el trabajo en equipo en proyectos de IA. Estas son algunas de las otras características clave de Ultralytics HUB:

• Entrenamiento en la nube: Ultralytics HUB ofrece un entrenamiento de modelos basado en la nube fluido para una mayor escalabilidad y eficiencia.
• Modelos preentrenados: La plataforma proporciona acceso a una variedad de modelos preentrenados de YOLOv5, YOLOv8 y YOLO11.
• Exportación de modelos: Los modelos entrenados pueden exportarse a varios formatos para su implementación.
• Integraciones: Ultralytics HUB se integra perfectamente con plataformas como Roboflow, Google Colab y Weights & Biases.
• Documentación detallada: Ultralytics HUB ofrece guías completas y preguntas frecuentes para el soporte al usuario.
• Soporte de la comunidad: Una comunidad activa en Discord está disponible para preguntas y debates.

Con el diseño intuitivo del HUB, tanto los desarrolladores experimentados como los recién llegados pueden empezar rápidamente. A medida que más desarrolladores utilicen YOLO11 a través del HUB, podemos esperar un aumento en las aplicaciones de alto rendimiento que superen los límites de la visión artificial y den forma al futuro de la tecnología de IA.

Link to this sectionPonte manos a la obra con YOLO11#

Al igual que YOLOv8, YOLO11 pronto estará disponible para probar a través de Ultralytics HUB y el paquete de Python de Ultralytics. Puedes iniciar sesión en Ultralytics HUB o consultar nuestra guía de inicio rápido para obtener instrucciones paso a paso sobre cómo instalar el paquete. Una vez lanzado, podrás explorar sus funciones, experimentar con diferentes datasets y ver cómo funciona YOLO11 en varios escenarios. Estamos deseando ver cómo la comunidad de IA interactúa con YOLO11 contribuyendo a su desarrollo, aportando comentarios o desarrollando sobre él.

Tanto si eres un desarrollador que busca optimizar proyectos existentes como si alguien interesado en crear nuevas aplicaciones, tu participación puede ayudar a impulsar la innovación. Únete a los debates, comparte tus experiencias y colabora con otros para desbloquear todo el potencial de YOLO11. ¡Estamos emocionados por ver cómo utilizas YOLO11 para abordar desafíos del mundo real y hacer realidad tus ideas creativas!

Link to this sectionUn nuevo capítulo comienza con YOLO11#

YOLO11 es el siguiente paso adelante en la visión artificial, combinando una precisión, velocidad y eficiencia impresionantes. Anunciado en YV24, sus funciones avanzadas lo hacen versátil para diversas aplicaciones en tiempo real, desde vehículos autónomos hasta soluciones de comercio minorista inteligente. A medida que la comunidad de IA comienza a explorar y utilizar este modelo, estamos emocionados por ver las formas creativas en que YOLO11 impulsará la innovación y dará vida a nuevas posibilidades. Si buscas explorar los últimos avances en IA, prueba YOLO11 y ¡mira cómo puede mejorar tus proyectos de visión artificial!

Para obtener más información sobre la IA, dirígete a nuestro repositorio de GitHub y únete a nuestra comunidad activa. Descubre cómo la IA está logrando avances en áreas como la atención sanitaria y la agricultura.