I principali momenti salienti di Ultralytics a YOLO Vision 2025!

La community dell’AI e della computer vision si è riunita il 25 settembre per YOLO Vision 2025 (YV25), l’evento annuale ibrido di Ultralytics dedicato all’AI per la computer vision. Ospitato a Londra presso The Pelligon e trasmesso in streaming in tutto il mondo, l’evento ha accolto un gruppo eterogeneo di ricercatori, ingegneri e appassionati di AI, che hanno condiviso idee e scoperto nuove innovazioni, come Ultralytics YOLO26.

Giunto alla sua quarta edizione, l’evento ha continuato a crescere in termini di portata e impatto. La diretta streaming di YV25 ha già totalizzato oltre 6.800 visualizzazioni, generato più di 49.000 impression e raccolto quasi 2.000 ore di visione.

YV25 è iniziato con un saluto introduttivo del nostro presentatore Oisin Lunny, che ha dato il tono alla giornata incoraggiando i partecipanti a creare connessioni, condividere idee e sfruttare al meglio l’evento. Come ha detto lui stesso, “YOLO Vision 2025 è la conferenza che riunisce la community open source dell’AI per la computer vision, con l’obiettivo di concentrarsi sui progressi nei dati, nel machine learning e nella computer vision.”

In questo articolo ripercorreremo i punti salienti di YOLO Vision 2025, tra cui il lancio del prodotto, i keynote, un panel, le demo dal vivo e i momenti della community che hanno reso speciale la giornata. Iniziamo!

Da una singola GPU a un finanziamento Series A da 30 milioni di dollari#

In vista dell’evento, c’era molta attesa per il nuovo lancio di prodotto e Glenn Jocher, nostro Founder e CEO, ha iniziato la giornata dando ulteriore slancio a quell’entusiasmo.

Ha raccontato il percorso di Ultralytics, ricordando come nel 2020 eseguisse esperimenti su una singola 1080 Ti collegata al suo MacBook, una configurazione ormai obsoleta. Da quegli umili inizi, Ultralytics è cresciuta fino a diventare una community globale con miliardi di inferenze quotidiane eseguite dai modelli YOLO.

Glenn ha parlato anche del recente completamento da parte di Ultralytics di un round di finanziamento Series A da 30 milioni di dollari. Ha spiegato che questo investimento sosterrà la prossima fase di crescita, consentendo all’azienda di ampliare il team, espandere la ricerca e assicurarsi le risorse informatiche necessarie per continuare a superare i limiti della computer vision.

Ultralytics YOLO26: un modello YOLO migliore, più veloce e più piccolo#

Glenn ha poi annunciato due nuove iniziative di Ultralytics. La prima è Ultralytics YOLO26, il modello più recente della famiglia Ultralytics YOLO, progettato per essere più piccolo, veloce ed efficiente, pur raggiungendo una precisione ancora maggiore. La seconda è Ultralytics Platform, un nuovo workspace SaaS end-to-end che combina dati, training, deployment e monitoraggio per rendere più semplice che mai la creazione di soluzioni di computer vision; l’annuncio è previsto prossimamente.

Fig. 1. Glenn Jocher annuncia Ultralytics YOLO26 sul palco di YOLO Vision 2025.

Ultralytics YOLO26 è progettato per migliorare le prestazioni mantenendo al contempo la praticità per l’uso nel mondo reale. La versione più piccola è già fino al 43% più veloce sulle CPU e migliora comunque la precisione, rendendola ideale per applicazioni che vanno dai dispositivi mobili ai grandi sistemi aziendali. YOLO26 sarà disponibile pubblicamente entro la fine di ottobre.

Ecco una panoramica delle funzionalità principali di YOLO26:

• Architettura semplificata: il modulo Distribution Focal Loss (DFL), che in precedenza rallentava i modelli, è stato rimosso. Ultralytics YOLO26 ora funziona in modo più efficiente senza sacrificare la precisione.
• Predizioni più veloci: Ultralytics YOLO26 introduce un’opzione per saltare il passaggio Non-Maximum Suppression (NMS), consentendo di fornire risultati più rapidamente e facilitando il deployment in tempo reale.
• Migliore rilevamento degli oggetti piccoli: i nuovi metodi di training migliorano la stabilità e aumentano significativamente la precisione, soprattutto nel rilevamento di piccoli dettagli in scene complesse.
• Training più intelligente: il nuovo ottimizzatore MuSGD combina i punti di forza di due tecniche di training, aiutando il modello ad apprendere più rapidamente e a raggiungere una precisione maggiore.

Una prima occhiata alla piattaforma Ultralytics#

Dopo aver presentato YOLO26, Glenn ha invitato Prateek Bhatnagar, il nostro Head of Product Engineering, a mostrare in una demo il prossimo progetto in arrivo, Ultralytics Platform. Progettata per semplificare l’intero workflow di computer vision, la piattaforma mira a riunire dataset, annotazione, training, deployment e monitoraggio in un unico luogo.

Prateek l’ha paragonata alla messa a punto di un’auto: invece di visitare officine diverse per pneumatici, motori e trasmissioni, tutto avviene nella stessa officina. Allo stesso modo, la piattaforma offre agli sviluppatori un workspace integrato per gestire l’intero ciclo di vita di un modello di AI per la computer vision.

La demo ha mostrato strumenti di annotazione assistiti dall’AI che accelerano la preparazione dei dataset, opzioni di training personalizzabili per esperti e principianti e il monitoraggio in tempo reale delle esecuzioni di training.

Approfondimenti da un panel sul deployment all’edge#

Un altro momento saliente di YV25 è stato un panel sul deployment all’edge, moderato da Oisin Lunny. La sessione ha visto la partecipazione di Yuki Tsuji di Sony Semiconductor Solutions, David Plowman di Raspberry Pi e Glenn Jocher.

La discussione ha esplorato come portare l’AI all’edge riduca la latenza, abbassi i costi e migliori la privacy. Yuki ha presentato il sensore IMX500 di Sony, in grado di eseguire l’inferenza direttamente sul chip. David ha invece parlato di come Raspberry Pi si stia espandendo dalle sue origini nel mondo dei maker verso applicazioni commerciali su larga scala.

Fig. 2. Un panel sul deployment all’edge con Oisin Lunny, Yuki Tsuji, David Plowman e Glenn Jocher.

Il panel ha affrontato anche una delle maggiori difficoltà per gli sviluppatori: far funzionare i modelli senza problemi su dispositivi diversi. È qui che il pacchetto Python di Ultralytics svolge un ruolo fondamentale.

Grazie all’ampia gamma di opzioni di esportazione, trasferire un modello addestrato in produzione su dispositivi mobili, sistemi embedded o hardware aziendale è semplice. Eliminando le difficoltà della conversione dei modelli, Ultralytics aiuta i team a concentrarsi sulla creazione di soluzioni invece di lottare con i problemi di compatibilità.

Come ha spiegato David, “So per amara esperienza che convertire i modelli è terribile e, se qualcun altro lo fa al posto mio, la vita diventa molto più semplice. È qui che Ultralytics sta davvero migliorando le cose e offrendo qualcosa di prezioso ai nostri utenti.”

Accelerare l’innovazione e l’hardware per l’AI#

I progressi del software AI avvengono parallelamente a quelli dell’hardware e, insieme, stanno guidando una nuova ondata di innovazione nella computer vision. Mentre modelli come Ultralytics YOLO continuano a migliorare la precisione, il loro impatto nel mondo reale dipende anche dalle piattaforme su cui vengono eseguiti.

Ad esempio, Seeed Studio ha mostrato come hardware modulare ed economico, come le schede reCamera e XIAO precaricate con modelli Ultralytics YOLO, renda semplice per gli sviluppatori passare dalla prototipazione a sistemi di AI reali. Questo tipo di integrazione tra hardware e software abbassa la barriera d’ingresso e dimostra come l’innovazione a livello hardware acceleri direttamente l’adozione.

Ecco alcuni punti chiave emersi dagli altri keynote di YV25, che hanno sottolineato come la co-progettazione di hardware e software stia aprendo nuove possibilità:

• La quantizzazione sblocca grandi guadagni in velocità: Intel ha mostrato come la conversione dei modelli Ultralytics YOLO in OpenVINO con la quantizzazione abbia aumentato la velocità di inferenza da 54 FPS a 606 FPS in soli 30 minuti, evidenziando la potenza dell’ottimizzazione.
• Gli strumenti full-stack rendono pratico il deployment dell’AI all’edge: NVIDIA ha evidenziato come i dispositivi Jetson, TensorRT, Triton Inference Server e DeepStream SDK collaborino per semplificare il deployment di soluzioni di AI per la computer vision ad alte prestazioni all’edge.
• Gli ecosistemi aperti accelerano la prototipazione: AMD ha presentato la sua piattaforma end-to-end basata su GPU e sullo stack software ROCm, aiutando gli sviluppatori a passare rapidamente dal prototipo al deployment mantenendo i costi sotto controllo.
• I chip a basso consumo estendono l’AI ai dispositivi con risorse limitate: DEEPX ha presentato i processori DX-M1 e DX-M2, capaci di fornire decine di TOPS con meno di 5 watt per consentire inferenze avanzate in sistemi compatti e con potenza limitata.

Le tendenze recenti nella computer vision#

Grazie ai progressi paralleli di software e hardware che lavorano in sinergia, la computer vision si sta evolvendo più rapidamente che mai. Questi sviluppi paralleli non migliorano soltanto precisione e velocità, ma contribuiscono anche a definire come l’AI per la computer vision possa essere implementata nel mondo reale. A YV25, i partecipanti hanno avuto l’opportunità di ascoltare esperti di robotica, deployment all’edge e AI multimodale, ognuno con una prospettiva diversa sulla direzione del settore.

Ad esempio, nel suo keynote, Michael Hart di D-Robotics ha dimostrato come l’abbinamento dei modelli Ultralytics YOLO con la compatta scheda RDK X5 (un piccolo modulo embedded di visione AI) consenta ai robot di eseguire modelli avanzati di computer vision in tempo reale. La sua demo dal vivo ha mostrato quanto la robotica sia progredita, passando dagli esperimenti di laboratorio a sistemi pratici basati sull’AI.

Fig. 3. Michael Hart ha illustrato come i robot dotati di AI di oggi dipendano dalla computer vision.

Analogamente, Alexis Crowell e Steven Hunsche di Axelera AI hanno sottolineato le sfide e le opportunità del deployment dell’AI per la computer vision all’edge. Attraverso demo dal vivo, hanno spiegato come le Metis AI Processing Units (AIPUs) di Axelera AI combinino RISC-V e il calcolo digitale in-memory per offrire prestazioni elevate con consumi molto ridotti. Disponibile in formati familiari come M.2 e PCIe, la co-progettazione hardware-software della piattaforma rende pratico ed efficiente il ridimensionamento dell’AI all’edge.

In un’altra sessione, Merve Noyan di Hugging Face ha analizzato la crescita dell’AI multimodale, in cui i modelli combinano la visione con testo, audio e altri input. Ha parlato di casi d’uso che vanno dall’analisi dei documenti agli agenti embodied, sottolineando come l’innovazione open source stia accelerando l’adozione dell’AI.

Conciliare il progresso tecnico con i valori umani#

Sebbene YV25 abbia offerto talk ispirazionali di ampio respiro, ha incluso anche sessioni estremamente pratiche. Jiri Borovec di Lightning AI ha tenuto una sessione pratica mostrando come addestrare e perfezionare i modelli Ultralytics YOLO con PyTorch Lightning e il supporto multi-GPU.

Ha illustrato esempi di codice e mostrato come gli strumenti open source, una documentazione chiara e framework flessibili rendano più semplice per gli sviluppatori scalare il training, convalidare ogni fase e adattare i workflow ai propri progetti. È stato un promemoria dell’importanza della community e di strumenti accessibili per ottenere progressi reali nella computer vision.

All’estremo opposto, gli speaker hanno invitato il pubblico a riflettere sul ruolo più ampio dell’AI nella società. Nel suo keynote, Gerd Leonhard, futurista, umanista e CEO di The Futures Agency, ha sostenuto che “la tecnologia è moralmente neutrale finché non la utilizziamo”, sottolineando che la vera domanda non è soltanto cosa possa fare l’AI, ma cosa debba fare. Ha messo in guardia dalle trappole del riduzionismo e della mancanza di verità, chiedendo un’AI che serva davvero agli interessi a lungo termine dell’umanità.

Fig. 4. Gerd Leonhard condivide le sue riflessioni sulla creazione di soluzioni AI mantenendo l’attenzione sulle persone.

L’attenzione alla responsabilità è proseguita in una fireside chat con Carissa Véliz dell’Università di Oxford, che ha sottolineato l’importanza di privacy e sicurezza. Ha osservato che le community open source sono fondamentali per verificare e migliorare il codice e che etica e progettazione sono inseparabili. Il suo messaggio è stato chiaro: gli sviluppatori devono prevedere i possibili abusi e creare sistemi che mettano al primo posto la dignità umana e il benessere sociale.

Networking a Londra durante YV25#

Oltre ai talk e alle demo, YV25 ha anche creato uno spazio per entrare in contatto con gli altri. Durante le pause caffè e il pranzo, i partecipanti hanno socializzato, condiviso esperienze, confrontato approcci e avviato nuove collaborazioni.

Per il team di Ultralytics, è stata anche un’ottima opportunità per incontrarsi di persona. Con membri distribuiti in tutto il mondo, momenti come questo aiutano a rafforzare i legami e a celebrare insieme i progressi.

Fig. 5. Il team di Ultralytics conclude una giornata stimolante a YOLO Vision 2025.

La giornata si è conclusa con un after-party, durante il quale i partecipanti hanno potuto rilassarsi e continuare a fare networking. È stato un momento per riflettere, ricaricarsi e guardare al prossimo capitolo dell’innovazione nell’AI per la computer vision.

Superare insieme i limiti dell’AI per la computer vision#

YOLO Vision 2025 è stata una celebrazione di idee, innovazione e community. Il lancio di Ultralytics YOLO26 ha fatto da apripista, seguito da talk coinvolgenti sul deployment all’edge e sull’AI incentrata sull’essere umano, che hanno evidenziato i rapidi progressi dell’AI per la computer vision e il suo crescente impatto sul mondo.

Oltre alle sessioni keynote, l’evento ha riunito le persone. Ricercatori, sviluppatori e appassionati hanno condiviso esperienze, avviato conversazioni significative ed esplorato nuove possibilità per il futuro. L’evento si è concluso in modo entusiasmante, con i partecipanti impazienti di scoprire il futuro dei modelli Ultralytics YOLO e della computer vision.

Pronto a esplorare l’AI? Unisciti alla nostra community e visita il nostro repository GitHub per saperne di più sull’AI e sulla computer vision. Visita le nostre pagine dedicate alle soluzioni per scoprire altre applicazioni della computer vision in agricoltura e dell’AI nella robotica. Consulta le nostre opzioni di licenza e inizia oggi stesso a lavorare con la computer vision!