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

Nous sommes ravis de te présenter la prochaine évolution des Ultralytics models : YOLO11 ! S'appuyant sur les avancées impressionnantes des versions précédentes de 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'YOLO Vision 2024 (YV24) event, le rassemblement hybride annuel d'Ultralytics réunissant des experts en IA, des innovateurs et des développeurs, ce dernier ajout à la famille Ultralytics est prêt à redéfinir ce qui est possible avec la computer vision.

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 atout révolutionnaire pour les développeurs et les chercheurs. Les principales améliorations incluent une extraction de caractéristiques optimisée pour une capture des détails plus précise, une plus grande 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 font la singularité de YOLO11 et la manière dont il peut transformer tes computer vision applications. C'est parti !

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

Apprendre à connaître Ultralytics YOLO11#

YOLO11 marque un nouveau chapitre pour la famille YOLO, offrant un modèle plus performant et polyvalent qui propulse la computer vision vers de nouveaux sommets. Grâce à son architecture raffinée et à ses capacités accrues, le modèle prend en charge les computer vision tasks telles que l'estimation de pose et la segmentation d'instance que la communauté de l'IA visuelle apprécie tant chez Ultralytics YOLOv8, mais avec des performances et une précision encore plus grandes. Glenn Jocher, fondateur et PDG d'Ultralytics, a partagé : « Avec YOLO11, nous avons entrepris de développer un modèle qui offre à la fois puissance et praticité pour les applications du monde réel. Son efficacité et sa précision accrues en font un outil robuste qui peut s'adapter 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 Ultralytics YOLO11 à YV24.

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

• Object detection : Identifie et localise des objets dans des images ou des trames vidéo, en dessinant des boîtes englobantes autour d'eux pour des applications telles que la surveillance, l'autonomous driving et l'analyse retail analytics.
• Instance segmentation : Il s'agit d'identifier et de séparer des objets individuels dans une image jusqu'au niveau du pixel. C'est utile pour des applications comme l'medical imaging et la détection de défauts dans le secteur de la manufacturing.
• Image classification : Catégorise des images entières dans des classes prédéfinies, ce qui le rend idéal pour des applications telles que product categorization dans le commerce électronique ou wildlife monitoring.
• Pose estimation : Détecte des points clés spécifiques dans une image ou une trame vidéo pour suivre des mouvements ou des poses, ce qui est bénéfique pour les applications de suivi de la condition physique fitness tracking, d'analyse sportive sports analytics et de santé healthcare.
• Oriented object detection (OBB) : Détecte des objets avec un angle d'orientation, permettant une localisation plus précise des objets pivotés, ce qui est particulièrement précieux pour les tâches d'aerial imagery, de robotics et d'automatisation des entrepôts warehouse automation.
• Object Tracking : Surveille et suit le mouvement des objets across consecutive video frames, 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 ?#

YOLO11 s'appuie sur les avancées introduites dans YOLOv9 et YOLOv10 un peu plus tôt cette année, en intégrant des conceptions architecturales améliorées, des techniques d'extraction de caractéristiques améliorées et des méthodes d'entraînement optimisées. Ce qui fait vraiment ressortir YOLO11, c'est sa combinaison impressionnante de vitesse, de précision et d'efficacité, ce qui en fait l'un des modèles les plus performants qu'Ultralytics ait créés jusqu'à présent. Avec un design amélioré, YOLO11 offre une meilleure feature extraction, 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 mean Average Precision (mAP) score plus élevé sur le COCO dataset tout en utilisant 22 % de paramètres en moins que YOLOv8m, ce qui le rend plus léger sur le plan informatique 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 d'Ultralytics YOLO11 pour la détection d'objets.

Il est conçu pour gérer des tâches complexes tout en étant moins gourmand en ressources et pensé pour améliorer les performances des modèles à grande échelle, ce qui en fait un choix idéal pour les projets d'IA exigeants. Les améliorations apportées au pipeline d'augmentation ont également optimisé le processus d'entraînement, permettant 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 fait, YOLO11 est extrêmement efficace en termes de puissance de traitement et convient parfaitement au deployment sur le cloud et sur les appareils de périphérie, garantissant une flexibilité dans différents environnements. Pour faire simple, YOLO11 n'est pas seulement une mise à niveau ; c'est un modèle nettement plus précis, efficace et flexible, mieux équipé pour relever n'quand défi de computer vision. Qu'il s'agisse de l'autonomous driving, de la surveillance, de l'imagerie médicale healthcare imaging, du commerce intelligent smart retail ou de cas d'utilisation industriels industrial use cases, YOLO11 est suffisamment polyvalent pour répondre à presque toutes les applications de vision par ordinateur.

Ultralytics YOLO11 est prêt pour tes systèmes et plateformes#

Ultralytics YOLO11 est conçu pour seamlessly integrate avec les systèmes et plateformes que tu utilises déjà. S'appuyant sur le support fourni par YOLOv8, YOLO11 est compatible avec un large éventail d'environnements pour l'training, le testing et le deployment. Que tu travailles avec des NVIDIA GPUs, des edge devices ou que tu fasses un deploying on 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 businesses à mettre en œuvre facilement le modèle dans leurs processus existants. Par exemple, disons que tu souhaites utiliser YOLO11 pour l'agriculture agriculture, plus précisément pour la surveillance des cultures crop monitoring. 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 préféreras peut-être utiliser YOLO11 avec un système basé sur le cloud pour surveiller plusieurs flux de caméras pour la détection d'objets object detection.

Fig 5. Utilisation d'Ultralytics YOLO11 en 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 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 :

• Cloud training : Ultralytics HUB offre un entraînement de modèles basé sur le cloud sans couture pour l'évolutivité et l'efficacité.
• Pre-trained models : La plateforme offre un 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.
• Integrations : Ultralytics HUB s'intègre de manière transparente avec des plateformes telles que 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 de HUB, les développeurs expérimentés comme les nouveaux venus peuvent démarrer rapidement. À mesure qu'un plus grand nombre de développeurs utilisent Ultralytics YOLO11 via HUB, nous pouvons nous attendre à une augmentation des applications haute performance qui repoussent les limites de la vision par ordinateur et façonnent l'avenir de la technologie de l'IA.

Passe à la pratique avec Ultralytics YOLO11#

Tout comme YOLOv8, YOLO11 sera bientôt disponible à l'essai via Ultralytics HUB et le Ultralytics Python package. Tu peux te connecter à Ultralytics HUB ou consulter notre quickstart guide pour obtenir des instructions étape par étape sur la façon d'installer le paquet. Une fois publié, tu pourras explorer ses fonctionnalités, expérimenter avec différents datasets et voir comment YOLO11 performe dans divers scénarios. Nous avons hâte de voir la communauté de l'IA s'engager avec YOLO11 en contributing à son développement, en fournissant des commentaires ou en construisant par-dessus.

Que tu sois un développeur cherchant à optimiser des projets existants ou que tu souhaites créer de nouvelles applications, ton implication peut contribuer à stimuler l'innovation. Participe aux discussions, partage tes expériences et collabore avec d'autres pour libérer tout le potentiel d'Ultralytics YOLO11. Nous sommes impatients de voir comment tu utiliseras YOLO11 pour relever des défis du monde réel et donner vie à tes idées créatives !

Un nouveau chapitre commence avec Ultralytics YOLO11#

Ultralytics YOLO11 représente la prochaine étape de la vision par ordinateur, combinant une précision, une vitesse et une efficacité impressionnantes. Annoncé à YV24, ses fonctionnalités avancées 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 sommes impatients 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 matière d'IA, essaie YOLO11 et vois comment il peut élever tes projets de vision par ordinateur !

Pour en savoir plus sur l'IA, rends-toi sur notre GitHub repository et rejoins our active community. Découvre comment l'IA progresse dans des domaines tels que la santé healthcare et l'agriculture agriculture.