Ultralytics YOLO11 est arrivé ! Repousse les limites du possible en IA !

Nous sommes ravis de présenter la prochaine évolution des modèles Ultralytics�a0: YOLO11�a0! S'appuyant sur les avancées impressionnantes des versions précédentes des modèles YOLO, YOLO11 apporte de nombreuses fonctionnalités et optimisations puissantes 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 des experts, des innovateurs et des développeurs en IA, ce dernier ajout à la famille Ultralytics est appelé à redéfinir ce qui est possible en vision par ordinateur.

Grâce à son architecture innovante, Ultralytics 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 une véritable révolution pour les développeurs comme pour les chercheurs. Parmi les principales améliorations figurent une extraction des caractéristiques optimisée pour capturer les détails avec davantage de précision, une plus grande exactitude avec moins de paramètres et des vitesses de traitement accrues qui améliorent considérablement les performances en temps réel. Dans cet article, nous examinerons de plus près les fonctionnalités qui distinguent YOLO11 et la manière dont il peut transformer tes applications de vision par ordinateur. Commençons�a0!

Fig. 1. Glenn Jocher sur scène, annonçant Ultralytics YOLO11 à YOLO Vision 24.

Découvrir Ultralytics YOLO11#

YOLO11 ouvre un nouveau chapitre pour la famille YOLO en proposant un modèle plus performant et polyvalent qui propulse la vision par ordinateur vers de nouveaux sommets. Grâce à son architecture affinée et à ses capacités renforcées, le modèle prend en charge des tâches de vision par ordinateur comme l'estimation de pose et la segmentation d'instances, que la communauté de l'IA appliquée à la vision apprécie dans Ultralytics YOLOv8, mais avec des performances et une précision encore supérieures. Glenn Jocher, fondateur et PDG d'Ultralytics, a déclaré�a0: «�a0Avec YOLO11, nous avons cherché à développer un modèle qui allie puissance et praticité pour les applications concrètes. Son efficacité et sa précision améliorées en font un outil robuste, adaptable aux défis propres à différents secteurs. J'ai hâte de voir comment la communauté de l'IA appliquée à la vision utilisera YOLO11 pour créer des solutions innovantes et faire progresser la vision par ordinateur.�a0»

Fig. 2. Glenn Jocher sur scène, annonçant Ultralytics YOLO11 à YV24.

Voici un aperçu des tâches de vision par ordinateur prises en charge par Ultralytics YOLO11�a0:

• Détection d'objets�a0: identifie et localise les objets dans des images ou des images vidéo, en traçant des cadres englobants autour d'eux pour des applications comme la vidéosurveillance, la conduite autonome et l'analyse du commerce de détail.
• Segmentation d'instances�a0: consiste à identifier et à séparer les objets individuels d'une image jusqu'au niveau du pixel. Elle est utile pour des applications comme l'imagerie médicale et la détection des défauts dans le secteur de la production industrielle.
• Classification d'images�a0: catégorise des images entières dans des classes prédéfinies, ce qui la rend idéale pour des applications telles que la catégorisation de produits dans le commerce en ligne ou le suivi de la faune.
• Estimation de pose�a0: détecte des points clés spécifiques dans une image ou une image vidéo afin de suivre des mouvements ou des poses, ce qui est utile pour le suivi de la condition physique, l'analyse sportive et les applications dans le secteur de la santé.
• Détection d'objets orientés (OBB)�a0: détecte les objets avec un angle d'orientation, permettant de localiser plus précisément les objets pivotés, ce qui est particulièrement utile pour l'imagerie aérienne, la robotique et l'automatisation des entrepôts.
• Suivi d'objets�a0: surveille et suit le déplacement des objets sur des images vidéo consécutives, ce qui le rend essentiel pour de nombreuses applications en temps réel.

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

Qu'est-ce qui distingue Ultralytics YOLO11�a0?#

YOLO11 s'appuie sur les avancées introduites plus tôt cette année dans YOLOv9 et YOLOv10, en intégrant des conceptions architecturales améliorées, des techniques d'extraction des caractéristiques optimisées et des méthodes d'entraînement perfectionnées. Ce qui distingue vraiment YOLO11, c'est sa combinaison impressionnante de vitesse, de précision et d'efficacité, qui en fait l'un des modèles les plus performants créés par Ultralytics à ce jour. Grâce à une conception améliorée, YOLO11 offre une meilleure extraction des caractéristiques, c'est-à-dire le processus d'identification des motifs et détails importants dans les images, ce qui permet de capturer plus précisément les aspects complexes, même dans des situations difficiles.

Fait remarquable, YOLO11m obtient un score de précision moyenne (mAP) supérieur sur l'ensemble de données COCO, tout en utilisant 22�a0% de paramètres en moins que YOLOv8m, ce qui le rend moins lourd sur le plan des calculs sans sacrifier les performances. Cela signifie qu'il fournit des résultats plus précis tout en étant plus efficace à exécuter. De plus, YOLO11 offre des vitesses de traitement supérieures, avec des temps d'inférence environ 2�a0% plus rapides que ceux de YOLOv10, ce qui le rend idéal pour les applications en temps réel.

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

Il est conçu pour gérer des tâches complexes tout en sollicitant moins les ressources, et 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 perfectionné le processus d'entraînement, permettant à Ultralytics YOLO11 de s'adapter plus facilement à différentes tâches, que tu travailles sur de petits projets ou sur des applications à grande échelle.

En fait, YOLO11 est très efficace en matière de puissance de calcul et parfaitement adapté au déploiement sur des appareils cloud comme edge, ce qui garantit une grande flexibilité dans différents environnements. En termes simples, YOLO11 n'est pas une simple mise à niveau�a0: c'est un modèle nettement plus précis, plus efficace et plus flexible, mieux équipé pour relever tous les défis de la vision par ordinateur. Qu'il s'agisse de conduite autonome, de vidéosurveillance, d'imagerie médicale, de commerce de détail intelligent ou de cas d'usage industriels, YOLO11 est suffisamment polyvalent pour répondre aux besoins de presque toute application de vision par ordinateur.

Ultralytics YOLO11 est prêt pour tes systèmes et plateformes#

Ultralytics YOLO11 est conçu pour s'intégrer facilement aux systèmes et plateformes que tu utilises déjà. S'appuyant sur la prise en charge proposée par YOLOv8, YOLO11 est compatible avec un large éventail d'environnements pour l'entraînement, les tests et le déploiement. Que tu travailles avec des GPU NVIDIA, des appareils edge ou que tu le déploies sur des plateformes cloud, YOLO11 est optimisé pour s'intégrer sans effort à ton flux de travail.

Ces intégrations sont d'excellents compléments qui rendent YOLO11 adaptable à différents secteurs et aident les entreprises à intégrer facilement le modèle à leurs processus existants. Par exemple, imaginons que tu veuilles utiliser YOLO11 pour l'agriculture, plus précisément pour le suivi des cultures. Tu pourrais avoir besoin de déployer le modèle sur des drones afin d'identifier en temps réel les problèmes de santé des plantes sur de vastes champs. En revanche, si tu travailles dans la sécurité, tu préféreras peut-être utiliser YOLO11 avec un système cloud pour surveiller plusieurs flux de caméras et effectuer de la détection d'objets.

Fig. 5. Utilisation d'Ultralytics YOLO11 dans l'agriculture.

Donner plus de moyens à la communauté de l'IA avec Ultralytics YOLO11#

La communauté de l'IA appliquée à la vision peut s'attendre à des avancées passionnantes avec le lancement de YOLO11. Grâce à sa précision et à son efficacité améliorées, ce nouveau modèle pourrait transformer les applications existantes et en créer de nouvelles. Ultralytics HUB est un facteur majeur de ces progrès. Ultralytics HUB est une plateforme conviviale qui simplifie l'entraînement et le déploiement des modèles YOLO, notamment YOLO11.

Fig. 6. Exécuter des inférences YOLO11 sur Ultralytics HUB.

Ultralytics HUB rationalise le processus de développement en permettant aux utilisateurs de téléverser des ensembles de données, d'accéder à un éventail de modèles préentraînés et de gérer leurs projets au même endroit. Le HUB prend également en charge la collaboration, ce qui permet aux équipes de travailler facilement ensemble sur des projets d'IA. Voici quelques autres fonctionnalités clés d'Ultralytics HUB�a0:

• Entraînement cloud�a0: Ultralytics HUB propose un entraînement de modèles fluide dans le cloud pour assurer évolutivité et efficacité.
• Modèles préentraînés�a0: la plateforme donne accès à une variété de modèles YOLOv5, YOLOv8 et YOLO11 préentraînés.
• Exportation des modèles�a0: les modèles entraînés peuvent être exportés dans différents formats pour le déploiement.
• Intégrations�a0: Ultralytics HUB s'intègre facilement à des plateformes comme Roboflow, Google Colab et Weights & Biases.
• Documentation détaillée�a0: Ultralytics HUB propose des guides complets et des FAQ pour aider les utilisateurs.
• Assistance de la communauté�a0: une communauté Discord active est disponible pour les questions et les discussions.

Grâce à la conception intuitive du HUB, les développeurs expérimentés comme les nouveaux venus peuvent rapidement commencer. À mesure que davantage de développeurs utiliseront Ultralytics YOLO11 via le HUB, nous pouvons nous attendre à une multiplication des applications hautes performances qui repousseront les limites de la vision par ordinateur et façonneront l'avenir des technologies d'IA.

Mets Ultralytics YOLO11 en pratique#

Tout comme YOLOv8, YOLO11 sera bientôt disponible pour être testé via Ultralytics HUB et le package Python Ultralytics. Tu peux te connecter à Ultralytics HUB ou consulter notre guide de démarrage rapide pour suivre les instructions détaillées d'installation du package. Une fois publié, tu pourras explorer ses fonctionnalités, expérimenter avec différents ensembles de données et observer les performances de YOLO11 dans divers scénarios. Nous avons hâte de voir la communauté de l'IA participer à l'évolution de YOLO11 en contribuant à son développement, en fournissant des retours ou en construisant sur cette base.

Que tu sois un développeur cherchant à optimiser des projets existants ou une personne souhaitant créer de nouvelles applications, ta participation peut contribuer à stimuler l'innovation. Participe aux discussions, partage tes expériences et collabore avec d'autres pour exploiter pleinement le potentiel d'Ultralytics YOLO11. Nous sommes impatients de voir comment tu utiliseras YOLO11 pour relever des défis concrets et donner vie à tes idées créatives�a0!

Un nouveau chapitre commence avec Ultralytics YOLO11#

Ultralytics YOLO11 représente une nouvelle avancée en 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 intelligent. Alors que la communauté de l'IA commence à explorer et à utiliser ce modèle, nous sommes impatients de découvrir les façons créatives dont YOLO11 stimulera l'innovation et donnera vie à de nouvelles possibilités. Si tu souhaites découvrir les dernières avancées en IA, essaie YOLO11 et vois comment il peut faire progresser tes projets de vision par ordinateur�a0!

Pour en savoir plus sur l'IA, consulte notre dépôt GitHub et rejoins notre communauté active. Découvre comment l'IA fait progresser des domaines comme la santé et l'agriculture.