8 mai 2025
Découvrez comment YOLOE vous permet de trouver des objets à l'aide d'un simple message ou d'une photo. Il permet une vision par ordinateur plus intelligente et plus rapide sans avoir à réapprendre ou à affiner les modèles.
La détection d'objets est une tâche clé de la vision par ordinateur, dont l'objectif est d'identifier et de localiser des objets dans des images ou des vidéos. Il s'agit d'un élément essentiel de la vision artificielle, un domaine de l'intelligence artificielle (IA) qui permet aux machines de comprendre et d'interpréter les données visuelles. Par exemple, la détection d'objets permet d'identifier une voiture sur une photo ou de repérer une personne dans un flux vidéo.
La série de modèles YOLO (You Only Look Once) est l'une des séries de modèles les plus connues pour les tâches de vision artificielle telles que la détection d'objets. Conçus pour être rapides et précis, les modèles YOLO se sont continuellement améliorés au fil du temps. Par exemple, l'une des dernières versions, Ultralytics YOLO11, donne de bons résultats dans des situations réelles, même dans des environnements plus complexes.
Pour aller plus loin, un nouveau modèle appelé YOLOE vise à étendre les capacités des modèles YOLO. Contrairement aux modèles traditionnels qui nécessitent un réapprentissage pour reconnaître de nouveaux objets, YOLOE peut suivre un simple texte ou une image pour détecter des objets qu'il n'a jamais vus auparavant, ce qui le rend beaucoup plus adaptable à des environnements changeants.
Dans cet article, nous allons examiner de plus près ce qui rend YOLOE unique, comment il se compare aux modèles YOLO précédents et comment vous pouvez commencer à l'utiliser dès aujourd'hui. C'est parti !
YOLOE est un modèle de vision par ordinateur qui va plus loin dans la détection des objets. Il a été introduit en mars 2025 par des chercheurs de l'université de Tsinghua. YOLOE se distingue des modèles traditionnels par son utilisation de la détection de vocabulaire ouvert.
Alors que la plupart des modèles sont formés pour reconnaître une liste fixe d'objets, YOLOE vous permet de spécifier ce que vous recherchez à l'aide d'une courte description ou d'un exemple d'image. Par exemple, si vous recherchez un "sac à dos vert", vous pouvez soit saisir cette description, soit montrer une photo au modèle, et YOLOE le localisera dans la scène.
En outre, même sans aucune invite, YOLOE peut détecter seul de nombreux objets de la vie quotidienne. Cette capacité à reconnaître des objets qu'il n'a jamais vus auparavant s'appelle la détection "zero-shot". Elle est particulièrement utile dans les environnements dynamiques où la tâche ou les objets d'intérêt peuvent changer de manière inattendue.
YOLOE prend en charge un large éventail de fonctionnalités conçues pour améliorer ses performances dans les applications du monde réel. Grâce à sa capacité à traiter des données structurées et non structurées, YOLOE ouvre de nouvelles perspectives en matière de détection et de segmentation d'objets.
Voici quelques-unes des principales caractéristiques du modèle :
Maintenant que nous comprenons mieux ce qu'est YOLOE, examinons quelques modèles similaires de la famille YOLO.
Les modèles YOLO ont évolué en même temps que la vision par ordinateur. Par exemple, Ultralytics YOLOv8 a pris en charge de nouvelles tâches telles que la segmentation et la classification, tandis que les versions ultérieures, comme Ultralytics YOLO11, se sont concentrées sur l'amélioration de la précision et des performances pour un plus grand nombre de tâches.
Par ailleurs, YOLO-World a été lancé en janvier 2024 et a introduit la possibilité d'utiliser des invites écrites, permettant aux utilisateurs de décrire les objets qu'ils souhaitent trouver. Bien que YOLO-World soit une excellente option pour la détection de l'absence d'objets, il lui manquait des fonctionnalités telles que la segmentation des instances et l'aide visuelle.
YOLOE s'appuie sur YOLO-World en ajoutant ces capacités, en améliorant la flexibilité et les performances, et en offrant un outil plus performant pour les applications de vision par ordinateur dans le monde réel.
Que vous souhaitiez détecter des objets spécifiques ou explorer l'ensemble d'une image, il est facile de commencer à utiliser YOLOE. Ce modèle est pris en charge par le paquetage Python Ultralytics, ce qui facilite son intégration dans vos projets. Voyons maintenant comment l'utiliser.
La première étape consiste à installer le paquetage Ultralytics Python à l'aide d'un gestionnaire de paquetage tel que "pip". Vous pouvez le faire en lançant la commande "pip install ultralytics" dans votre terminal ou votre invite de commande.
Une fois le paquet installé, vous aurez tout ce qu'il faut pour charger le modèle, faire des prédictions et expérimenter différents modes de détection. Si vous rencontrez des problèmes lors de l'installation, la documentation officielle d'Ultralytics propose une section de dépannage utile.
Il existe plusieurs façons d'utiliser YOLOE pour effectuer des prédictions. L'exécution de prédictions consiste à utiliser le modèle entraîné pour identifier et localiser des objets dans des images ou des vidéos. Ces différentes méthodes vous permettent de personnaliser la façon dont vous interagissez avec le modèle en fonction de vos besoins spécifiques.
Examinons chacune de ces méthodes, l'une après l'autre.
YOLOE peut détecter des objets à partir d'une courte description textuelle. Par exemple, si vous recherchez un cheval en mouvement, vous pouvez utiliser une invite telle que "cheval en train de marcher".
Pour commencer, chargez d'abord le modèle YOLOE pré-entraîné et définissez votre invite (la description de ce que vous voulez que le modèle recherche) comme indiqué dans l'extrait de code ci-dessous.
from ultralytics import YOLOE
model = YOLOE("yoloe-11l-seg.pt")
prompt = ["horse walking"]
model.set_classes(prompt, model.get_text_pe(prompt))Une fois le modèle et l'invite définis, vous pouvez exécuter le modèle sur une image ou une vidéo. Remplacez le chemin d'accès au fichier dans le code par le chemin d'accès à votre fichier image ou vidéo :
results = model.predict("path/to/your/image.jpg")
results[0].show()L'image s'affiche alors avec l'objet détecté clairement indiqué en fonction de l'invite. Vous pouvez modifier l'invite pour rechercher différents objets, tels que "valise rouge", "vélo" ou "zèbre", en fonction de ce que vous recherchez.
De même, vous pouvez utiliser une image pour solliciter YOLOE à l'aide du logiciel Ultralytics Python. En mode d'incitation visuelle, le modèle utilise l'image pour trouver des éléments similaires dans une autre scène. Cette fonction est particulièrement utile pour les objets difficiles à décrire ou pour lesquels il n'existe pas d'étiquettes claires.
Pour explorer le code plus en détail, vous pouvez consulter la documentation d'Ultralytics.
Dans certains cas, il se peut que vous ne sachiez pas exactement ce que vous devez rechercher ou que vous ne recherchiez pas un objet particulier. C'est là que le mode sans invite s'avère utile.
Avec cette option, vous n'avez pas besoin de taper une description ou de fournir une image d'exemple. YOLOE analyse simplement les images et détecte tout ce qu'il peut reconnaître, comme des personnes, des animaux, des meubles ou des objets de la vie quotidienne.
Il s'agit d'un moyen utile d'explorer une scène sans donner d'instructions spécifiques au modèle. Que vous balayiez une salle bondée ou que vous visionniez des séquences très animées, le mode sans invite vous permet de voir rapidement ce qui est présent dans une image.
Vous pouvez utiliser le code suivant pour exécuter YOLOE en mode sans invite. Le modèle est d'abord chargé, puis il traite l'image et détecte automatiquement les objets qu'elle contient. Enfin, les résultats sont affichés et les objets détectés sont mis en évidence.
Veillez à remplacer le chemin d'accès au fichier par le chemin d'accès réel à votre image.
from ultralytics import YOLOE
model = YOLOE("yoloe-11l-seg-pf.pt")
results = model.predict("path/to/image.jpg")
results[0].show()L'image ci-dessous est un exemple de ce que YOLOE peut détecter en mode libre.
La capacité de YOLOE à répondre à des invites textuelles et visuelles en fait un outil fiable pour les applications en temps réel. Sa flexibilité est particulièrement utile dans les environnements en évolution rapide où le temps et la précision sont essentiels.
Examinons quelques exemples concrets de l'utilisation de YOLOE.
Dans les aéroports très fréquentés, la localisation d'un bagage spécifique peut s'avérer difficile, en particulier lorsqu'il s'agit de bagages manquants. YOLOE peut rationaliser ce processus en aidant à scanner des vidéos en direct et en identifiant rapidement les articles à partir de simples invites comme "sac rouge".
Si un bagage est manquant ou égaré, le personnel peut facilement modifier l'invite pour rechercher un autre article, par exemple une "valise noire". Cette capacité d'adaptation instantanée peut aider le personnel de l'aéroport à localiser rapidement le bon bagage sans avoir à visionner de longues heures d'images ou à réapprendre le modèle, ce qui rend la manutention des bagages et la résolution des problèmes liés aux bagages manquants beaucoup plus rapides et efficaces.
Les images de surveillance des espaces publics, tels que les marchés et les cafés bondés, comprennent souvent un mélange de personnes, d'objets et d'activités qui changent tout au long de la journée. YOLOE peut analyser ces séquences en temps réel en utilisant le mode "prompt-free", détectant automatiquement des objets tels que des sacs, des tables ou des bicyclettes sans avoir besoin d'instructions spécifiques.
Cette fonction est particulièrement utile aux équipes de sécurité pour repérer les objets laissés sans surveillance ou suivre les mouvements de foule. La capacité de YOLOE à détecter plusieurs objets à la fois facilite la gestion des espaces publics lors d'événements ou de périodes d'affluence, en aidant les équipes à rester informées et réactives.
Voici quelques-uns des principaux avantages de l'utilisation de YOLOE pour les applications de vision par ordinateur :
Cependant, il y a quelques limitations à garder à l'esprit lors de l'utilisation de YOLOE. Voici quelques facteurs à prendre en compte :
YOLOE apporte plus de souplesse à la vision par ordinateur en permettant aux utilisateurs de guider la détection à l'aide de textes ou d'images. Il fonctionne bien dans les situations réelles où les scènes changent rapidement et où le réapprentissage n'est pas envisageable.
De la manutention des bagages à la surveillance des espaces publics, YOLOE s'adapte facilement à de nouvelles tâches. Alors que l'IA devient de plus en plus accessible, des modèles comme YOLOE aident de plus en plus d'industries à utiliser la technologie de la vision de manière pratique et efficace.
Rejoignez notre communauté et explorez notre dépôt GitHub pour en savoir plus sur les innovations en matière d'IA. Découvrez les dernières avancées dans des domaines tels que l 'IA dans le commerce de détail et la vision par ordinateur dans les soins de santé sur nos pages de solutions. Consultez nos options de licence et lancez-vous dans la vision par ordinateur dès aujourd'hui !
