Ultralytics YOLO11 est arrivé ! Repousse les limites de l’IA !

Nous sommes ravis de présenter la nouvelle évolution des modèles Ultralytics : YOLO11 ! S’appuyant sur les progrès impressionnants des versions précédentes des modèles YOLO, YOLO11 apporte de nombreuses fonctionnalités puissantes et optimisations qui le rendent plus rapide, plus précis et incroyablement polyvalent. Annoncée lors de l’événement YOLO Vision 2024 (YV24), le rendez-vous hybride annuel d’Ultralytics qui rassemble des spécialistes, des innovateurs et des développeurs en IA, cette nouveauté de la famille Ultralytics (remplacée depuis par Ultralytics YOLO26) est appelée à redéfinir les possibilités de la 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 un choix pratique aussi bien pour les développeurs que pour les chercheurs. Parmi les améliorations clés figurent une extraction des caractéristiques renforcée pour capturer des détails plus précis, une plus grande précision avec moins de paramètres et une vitesse de traitement accrue qui améliore considérablement les performances en temps réel. Dans cet article, nous examinerons de plus près les fonctionnalités qui distinguent YOLO11 et la façon dont il peut transformer tes applications de vision par ordinateur.

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 repousse les limites de la vision par ordinateur. Grâce à son architecture affinée et à ses capacités améliorées, le modèle prend en charge des tâches de vision par ordinateur comme l’estimation de pose et la segmentation d’instances, appréciées par la communauté de l’IA visuelle dans Ultralytics YOLOv8, avec des performances et une précision encore supérieures. Glenn Jocher, fondateur et PDG d’Ultralytics, a déclaré : « Avec YOLO11, nous voulions développer un modèle à la fois puissant et pratique pour les applications du monde réel. 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 visuelle utilisera YOLO11 pour créer des solutions innovantes et faire progresser la vision par ordinateur. »

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 :

• Détection d’objets : identifie et localise les objets dans des images ou des séquences vidéo en traçant des cadres englobants autour d’eux. Cette tâche convient à des applications comme la surveillance, la conduite autonome et l’analyse du commerce de détail.
• Segmentation d’instances : consiste à identifier et à séparer les objets individuels d’une image au niveau du pixel. Elle est utile pour des applications telles que l’imagerie médicale et la détection de défauts dans l’industrie manufacturière.
• Classification d’images : classe des images entières dans des catégories prédéfinies, ce qui la rend idéale pour des applications comme la catégorisation de produits en ligne ou le suivi de la faune.
• Estimation de pose : détecte des points clés précis dans une image ou une séquence vidéo afin de suivre les mouvements ou les poses. Cette tâche est utile pour le suivi de la condition physique, l’analyse sportive et les applications de santé.
• Détection d’objets orientés (OBB) : détecte les objets selon leur angle d’orientation, ce qui permet de localiser plus précisément les objets pivotés. Cette fonctionnalité est particulièrement utile pour l’imagerie aérienne, la robotique et l’automatisation des entrepôts.
• Suivi d’objets : surveille et suit le déplacement des objets d’une séquence vidéo à l’autre, ce qui en fait une fonctionnalité essentielle 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 ?#

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

Fait remarquable, YOLO11m obtient un score de précision moyenne moyenne (mAP) supérieur sur l’ensemble de données COCO, tout en utilisant 22 % de paramètres en moins que YOLOv8m. Il est ainsi moins exigeant en calcul sans perte de performances. Il fournit donc des résultats plus précis tout en étant plus efficace à l’exécution. De plus, YOLO11 offre une vitesse de traitement accrue, 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 d’Ultralytics YOLO11 pour la détection d’objets.

Il est conçu pour gérer des tâches complexes tout en consommant moins de ressources, et pour améliorer les performances des grands modèles, ce qui en fait un excellent choix pour les projets d’IA exigeants. Les améliorations apportées au pipeline d’augmentation ont également optimisé l’entraînement et permettent à Ultralytics YOLO11 de s’adapter plus facilement à différentes tâches, que tu travailles sur de petits projets ou des applications à grande échelle.

En effet, YOLO11 est très efficace en matière de puissance de calcul et convient bien au déploiement sur des appareils cloud comme en périphérie, ce qui garantit sa flexibilité dans différents environnements. En bref, YOLO11 n’est pas une simple mise à niveau : c’est un modèle nettement plus précis, efficace et flexible, mieux adapté à un large éventail de défis en vision par ordinateur. Que ce soit pour la conduite autonome, la surveillance, l’imagerie médicale, le commerce de détail intelligent ou les applications industrielles, YOLO11 est suffisamment polyvalent pour presque toutes les applications de vision par ordinateur.

Ultralytics YOLO11 est prêt pour tes systèmes et plateformes#

Ultralytics YOLO11 est conçu pour s’intégrer aux systèmes et plateformes que tu utilises déjà. Dans la continuité de la prise en charge de YOLOv8, YOLO11 est compatible avec de nombreux environnements d’entraînement, de test et de déploiement. Que tu travailles avec des GPU NVIDIA, des appareils en périphérie ou des plateformes cloud, YOLO11 est optimisé pour s’intégrer à ton flux de travail.

Ces intégrations sont des extensions très utiles qui permettent d’adapter YOLO11 à différents secteurs et aident les entreprises à l’intégrer facilement à leurs processus existants. Par exemple, supposons que tu veuilles utiliser YOLO11 pour l’agriculture, plus précisément pour surveiller les cultures. Tu pourrais avoir besoin de déployer le modèle sur des drones afin de repérer en temps réel les problèmes de santé des plantes sur de grands 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 détecter des objets.

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

Donner les moyens à la communauté de l’IA avec Ultralytics YOLO11#

La communauté de l’IA visuelle 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 (remplacé depuis par Ultralytics Platform) joue un rôle majeur dans ces progrès. Ultralytics HUB est une plateforme conviviale qui simplifie l’entraînement et le déploiement des modèles YOLO, notamment YOLO11.

Fig. 6. Exécution de l’inférence YOLO11 sur Ultralytics HUB.

Ultralytics HUB simplifie le processus de développement : les utilisateurs peuvent téléverser des jeux de données, accéder à divers modèles préentraînés et gérer leurs projets au même endroit. 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 :

• Entraînement dans le cloud : Ultralytics HUB propose l’entraînement des modèles dans le cloud, pour plus d’évolutivité et d’efficacité.
• Modèles préentraînés : la plateforme donne accès à différents modèles préentraînés YOLOv5, YOLOv8 et YOLO11.
• Exportation de modèles : les modèles entraînés peuvent être exportés vers différents formats en vue de leur déploiement.
• Intégrations : Ultralytics HUB s’intègre à des plateformes comme Roboflow, Google Colab et Weights & Biases.
• Documentation détaillée : Ultralytics HUB propose des guides complets et une FAQ pour aider les utilisateurs.
• Assistance de la communauté : une communauté Discord active est à ta disposition pour poser des questions et échanger.

Grâce à l’interface intuitive de HUB, les développeurs expérimentés comme les débutants peuvent rapidement se lancer. À mesure que davantage de développeurs utiliseront Ultralytics YOLO11 via HUB, nous avons hâte de découvrir encore plus d’applications de vision par ordinateur hautes performances.

Prends Ultralytics YOLO11 en main#

Comme YOLOv8, YOLO11 est disponible pour être testé via Ultralytics Platform et le package Python Ultralytics. Tu peux te connecter à Ultralytics Platform ou consulter notre guide de démarrage rapide pour suivre les étapes d’installation du package. Tu peux explorer ses fonctionnalités, tester 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 dans le développement de YOLO11 en y contribuant, en donnant son avis ou en créant des projets à partir de ce modèle.

Que tu sois développeur et veuilles optimiser des projets existants ou que tu souhaites créer de nouvelles applications, ta participation peut contribuer à l’innovation. Participe aux discussions, partage ton expérience et collabore avec d’autres pour exploiter pleinement le potentiel d’Ultralytics YOLO11. Nous avons hâte de voir comment tu utiliseras YOLO11 pour relever des défis du monde réel et concrétiser tes idées créatives !

Un nouveau chapitre commence avec Ultralytics YOLO11#

Ultralytics YOLO11 marque une nouvelle étape pour la vision par ordinateur, en combinant précision, vitesse et efficacité remarquables. Annoncé à YV24, il offre des fonctionnalités avancées qui le rendent polyvalent pour diverses applications en temps réel, des véhicules autonomes aux solutions de commerce intelligent. Alors que la communauté de l’IA commence à explorer et à utiliser ce modèle, nous avons hâte de découvrir comment YOLO11 stimulera l’innovation et donnera vie à de nouvelles possibilités. Si tu veux découvrir les dernières avancées de l’IA, essaie YOLO11 et vois comment il peut faire progresser tes projets de vision par ordinateur !

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 les soins de santé et l’agriculture.