Ultralytics YOLO11 est arrivé ! Redéfinis ce qui est possible en IA !

Nous sommes ravis de présenter la prochaine évolution des modèles Ultralytics : YOLO11 ! S'appuyant sur les avancées impressionnantes des versions précédentes des modèles YOLO, YOLO11 apporte une multitude de fonctionnalités puissantes et d'optimisations qui le rendent plus rapide, plus précis et incroyablement polyvalent. Annoncé lors de l'événement YOLO Vision 2024 (YV24), le rassemblement hybride annuel d'Ultralytics réunissant experts en IA, innovateurs et développeurs, ce dernier ajout à la famille Ultralytics est prêt à redéfinir ce qui est possible avec la vision par ordinateur.

Grâce à son architecture innovante, YOLO11 peut être utilisé pour diverses tâches de vision par ordinateur, de la détection d'objets en temps réel à la classification, ce qui en fait un outil révolutionnaire tant pour les développeurs que pour les chercheurs. Les principales améliorations comprennent une extraction de caractéristiques optimisée pour une capture plus précise des détails, une meilleure précision avec moins de paramètres et des vitesses de traitement plus rapides qui améliorent considérablement les performances en temps réel. Dans cet article, nous examinerons de plus près les fonctionnalités qui distinguent YOLO11 et comment il peut transformer tes applications de vision par ordinateur. Commençons !

Fig 1. Glenn Jocher sur scène, annonçant YOLO11 lors de YOLO Vision 24.

Link to this sectionFaire connaissance avec YOLO11#

YOLO11 marque un nouveau chapitre pour la famille YOLO, en offrant un modèle plus performant et polyvalent qui propulse la vision par ordinateur vers de nouveaux sommets. Avec son architecture raffinée et ses capacités accrues, le modèle prend en charge des tâches de vision par ordinateur telles que l'estimation de pose et la segmentation d'instance, que la communauté de l'IA visuelle a appris à apprécier avec Ultralytics YOLOv8, mais avec des performances et une précision encore supérieures. Glenn Jocher, fondateur et PDG d'Ultralytics, a déclaré : « Avec YOLO11, nous avons cherché à développer un modèle qui offre à la fois puissance et praticité pour des applications concrètes. Son efficacité et sa précision améliorées en font un outil robuste qui peut être adapté aux défis uniques rencontrés par diverses industries. J'ai hâte de voir comment la communauté de l'IA visuelle utilisera YOLO11 pour créer des solutions innovantes et faire passer la vision par ordinateur au niveau supérieur. »

Fig 2. Glenn Jocher sur scène, annonçant YOLO11 lors de YV24.

Voici un aperçu des tâches de vision par ordinateur prises en charge par YOLO11 :

• Détection d'objets : Identifie et localise des objets au sein d'images ou de séquences vidéo, en dessinant des boîtes englobantes autour d'eux pour des applications telles que la surveillance, la conduite autonome et l'analyse de la vente au détail.
• Segmentation d'instance : Il s'agit d'identifier et de séparer des objets individuels au sein d'une image jusqu'au niveau du pixel. C'est utile pour des applications comme l'imagerie médicale et la détection de défauts dans la fabrication.
• Classification d'images : Catégorise des images entières en classes prédéfinies, ce qui le rend idéal pour des applications telles que la catégorisation de produits dans le commerce électronique ou la surveillance de la faune.
• Estimation de pose : Détecte des points clés spécifiques au sein d'une image ou d'une séquence vidéo pour suivre des mouvements ou des poses, utile pour le suivi de la condition physique, l'analyse sportive et les applications de santé.
• Détection d'objets orientés (OBB) : Détecte des objets avec un angle d'orientation, permettant une localisation plus précise des objets en rotation, ce qui est particulièrement précieux pour les tâches d'imagerie aérienne, de robotique et d'automatisation d'entrepôt.
• Suivi d'objets : Surveille et suit le mouvement des objets à travers des séquences vidéo consécutives, ce qui est essentiel pour de nombreuses applications en temps réel.

Fig 3. Tâches de vision par ordinateur prises en charge par YOLO11.

Link to this sectionQu'est-ce qui distingue YOLO11 ?#

YOLO11 s'appuie sur les avancées introduites dans YOLOv9 et YOLOv10 plus tôt cette année, en intégrant des conceptions architecturales améliorées, des techniques d'extraction de caractéristiques renforcées et des méthodes d'entraînement optimisées. Ce qui fait vraiment sortir YOLO11 du lot, c'est son impressionnante combinaison de vitesse, de précision et d'efficacité, ce qui en fait l'un des modèles les plus performants qu'Ultralytics ait créés à ce jour. Avec une conception améliorée, YOLO11 offre une meilleure extraction de caractéristiques, qui est le processus d'identification de motifs et de détails importants à partir d'images, permettant de capturer des aspects complexes avec plus de précision, même dans des scénarios difficiles.

Remarquablement, YOLO11m atteint un score mAP (mean Average Precision) plus élevé sur le jeu de données COCO tout en utilisant 22 % de paramètres en moins que YOLOv8m, ce qui le rend plus léger sur le plan computationnel sans sacrifier les performances. Cela signifie qu'il fournit des résultats plus précis tout en étant plus efficace à exécuter. En plus de cela, YOLO11 apporte des vitesses de traitement plus rapides, avec des temps d'inférence environ 2 % plus rapides que YOLOv10, ce qui le rend idéal pour les applications en temps réel.

Fig 4. Utilisation de YOLO11 pour la détection d'objets.

Il est conçu pour gérer des tâches complexes tout en étant moins exigeant en ressources et conçu pour améliorer les performances des modèles à grande échelle, ce qui en fait un excellent choix pour les projets d'IA exigeants. Les améliorations apportées au pipeline d'augmentation ont également amélioré le processus d'entraînement, facilitant l'adaptation de YOLO11 à différentes tâches, que tu travailles sur de petits projets ou des applications à grande échelle.

En fait, YOLO11 est très efficace en termes de puissance de traitement et est parfaitement adapté au déploiement sur des appareils cloud et edge, assurant une flexibilité dans différents environnements. Pour faire simple, YOLO11 n'est pas simplement une mise à jour ; c'est un modèle nettement plus précis, efficace et flexible, mieux équipé pour relever n'importe quel défi de vision par ordinateur. Qu'il s'agisse de conduite autonome, de surveillance, d'imagerie médicale, de commerce de détail intelligent ou d'usages industriels, YOLO11 est suffisamment polyvalent pour répondre à presque toutes les applications de vision par ordinateur.

Link to this sectionYOLO11 est prêt pour tes systèmes et plateformes#

YOLO11 est conçu pour s'intégrer de manière transparente aux systèmes et plateformes que tu utilises déjà. S'appuyant sur le support fourni par YOLOv8, YOLO11 est compatible avec une large gamme d'environnements pour l'entraînement, le test et le déploiement. Que tu travailles avec des GPU NVIDIA, des appareils edge ou que tu déploies sur des plateformes cloud, YOLO11 est optimisé pour s'intégrer sans effort dans ton flux de travail.

Ces intégrations sont d'excellents compléments qui rendent YOLO11 adaptable à différentes industries, aidant les entreprises à mettre en œuvre facilement le modèle dans leurs processus existants. Par exemple, disons que tu souhaites utiliser YOLO11 pour l'agriculture, spécifiquement pour la surveillance des cultures. Tu pourrais avoir besoin de déployer le modèle sur des drones pour identifier les problèmes de santé des plantes en temps réel sur de grands champs. Cependant, si tu es dans la sécurité, tu pourrais préférer utiliser YOLO11 avec un système basé sur le cloud pour surveiller plusieurs flux de caméra pour la détection d'objets.

Fig 5. Utilisation de YOLO11 en agriculture.

Link to this sectionAutonomiser la communauté de l'IA avec YOLO11#

La communauté de l'IA visuelle peut s'attendre à des avancées passionnantes avec le lancement de YOLO11. Grâce à sa précision et son efficacité améliorées, ce nouveau modèle a le potentiel de transformer les applications existantes et d'en créer de nouvelles. Un facteur majeur dans ce progrès est Ultralytics HUB. Ultralytics HUB est une plateforme conviviale qui simplifie l'entraînement et le déploiement des modèles YOLO, y compris YOLO11.

Fig 6. Exécuter des inférences YOLO11 sur Ultralytics HUB.

Ultralytics HUB rationalise le processus de développement en permettant aux utilisateurs de télécharger des jeux de données, d'accéder à une gamme de modèles pré-entraînés et de gérer leurs projets, le tout au même endroit. Le HUB prend également en charge la collaboration, facilitant le travail en équipe sur des projets d'IA. Voici quelques-unes des autres fonctionnalités clés d'Ultralytics HUB :

• Entraînement dans le cloud : Ultralytics HUB offre un entraînement de modèle basé sur le cloud fluide pour l'évolutivité et l'efficacité.
• Modèles pré-entraînés : La plateforme donne accès à une variété de modèles YOLOv5, YOLOv8 et YOLO11 pré-entraînés.
• Exportation de modèles : Les modèles entraînés peuvent être exportés vers différents formats pour le déploiement.
• Intégrations : Ultralytics HUB s'intègre parfaitement avec des plateformes comme Roboflow, Google Colab et Weights & Biases.
• Documentation détaillée : Ultralytics HUB propose des guides complets et des FAQ pour le support utilisateur.
• Support communautaire : Une communauté Discord active est disponible pour les questions et discussions.

Grâce à la conception intuitive du HUB, les développeurs expérimentés comme les nouveaux venus peuvent démarrer rapidement. À mesure que davantage de développeurs utiliseront YOLO11 via le HUB, nous pouvons nous attendre à une vague d'applications haute performance qui repousseront les limites de la vision par ordinateur et façonneront l'avenir de la technologie de l'IA.

Link to this sectionPrends en main YOLO11#

Tout comme YOLOv8, YOLO11 sera bientôt disponible pour être essayé via Ultralytics HUB et le paquet Python Ultralytics. Tu peux te connecter à Ultralytics HUB ou consulter notre guide de démarrage rapide pour des instructions étape par étape sur la façon d'installer le paquet. Une fois publié, tu pourras explorer ses fonctionnalités, expérimenter avec différents jeux de données et voir comment YOLO11 se comporte dans divers scénarios. Nous avons hâte de voir la communauté de l'IA s'impliquer avec YOLO11 en contribuant à son développement, en fournissant des retours ou en construisant par-dessus.

Que tu sois un développeur cherchant à optimiser des projets existants ou quelqu'un intéressé par la création de nouvelles applications, ton implication peut aider à stimuler l'innovation. Rejoins les discussions, partage tes expériences et collabore avec d'autres pour libérer tout le potentiel de YOLO11. Nous sommes enthousiastes à l'idée de voir comment tu utiliseras YOLO11 pour relever des défis réels et donner vie à tes idées créatives !

Link to this sectionUn nouveau chapitre commence avec YOLO11#

YOLO11 est la prochaine étape en matière de vision par ordinateur, combinant une précision, une vitesse et une efficacité impressionnantes. Annoncé lors de YV24, ses fonctionnalités avancées le rendent polyvalent pour diverses applications en temps réel, des véhicules autonomes aux solutions de commerce de détail intelligentes. Alors que la communauté de l'IA commence à explorer et à utiliser ce modèle, nous sommes ravis de voir les manières créatives dont YOLO11 stimulera l'innovation et donnera vie à de nouvelles possibilités. Si tu cherches à explorer les dernières avancées en IA, essaie YOLO11 et vois comment il peut élever tes projets de vision par ordinateur !

Pour en savoir plus sur l'IA, dirige-toi vers notre dépôt GitHub et rejoins notre communauté active. Découvre comment l'IA fait des progrès dans des domaines comme la santé et l'agriculture.