YOLO12 spiegato: applicazioni e casi d'uso nel mondo reale

La visione artificiale è un ramo dell'intelligenza artificiale (AI) che aiuta le macchine a comprendere immagini e video. È un settore in rapida evoluzione, perché ricercatori e sviluppatori di AI continuano a superare i limiti. La community dell'AI punta sempre a realizzare modelli più veloci, intelligenti ed efficienti. Uno degli ultimi progressi è YOLO12, il modello più recente della serie YOLO (Guarda una sola volta), rilasciato il 18 febbraio 2025. Da allora, Ultralytics YOLO26 è diventato il modello consigliato per la maggior parte dei carichi di lavoro in produzione.

YOLO12 è stato sviluppato da ricercatori della University at Buffalo, SUNY (State University of New York) e della University of Chinese Academy of Sciences. Con un nuovo approccio originale, YOLO12 introduce meccanismi di attenzione che consentono al modello di concentrarsi sulle parti più importanti di un'immagine, invece di elaborarle tutte allo stesso modo.

Include anche FlashAttention, una tecnica che accelera l'elaborazione riducendo il consumo di memoria, e un meccanismo di attenzione regionale, progettato per imitare il modo in cui le persone si concentrano spontaneamente sugli oggetti al centro della scena.

Questi miglioramenti rendono YOLO12n più preciso del 2,1% rispetto a YOLOv10n e YOLO12m più preciso dell'1,0% rispetto a YOLO11m. Tuttavia, c'è un compromesso: YOLO12n è il 9% più lento di YOLOv10n e YOLO12m è il 3% più lento di YOLO11m.

Fig. 1. Esempio di utilizzo di YOLO12 per rilevare oggetti.

In questo articolo vedremo cosa distingue YOLO12, come si confronta con le versioni precedenti e quali sono le sue applicazioni.

Il percorso verso il rilascio di YOLO12#

La serie di modelli YOLO è una raccolta di modelli di computer vision progettati per il rilevamento di oggetti in tempo reale, ovvero per identificare e localizzare rapidamente gli oggetti in immagini e video. Nel tempo, ogni versione è migliorata in termini di velocità, precisione ed efficienza.

Per esempio, Ultralytics YOLOv5, rilasciato nel 2020, è diventato ampiamente utilizzato perché era veloce e facile da addestrare su dati personalizzati e da distribuire. In seguito, Ultralytics YOLOv8 ha migliorato ulteriormente le prestazioni offrendo supporto aggiuntivo per attività di computer vision come la segmentazione di istanze e il tracciamento degli oggetti.

Più di recente, Ultralytics YOLO11 si è concentrato sul miglioramento dell'elaborazione in tempo reale, mantenendo un equilibrio tra velocità e precisione. Per esempio, YOLO11m aveva il 22% di parametri in meno rispetto a YOLOv8m, ma offriva comunque prestazioni di rilevamento migliori sul dataset COCO, un benchmark ampiamente utilizzato per valutare i modelli di rilevamento degli oggetti.

Sulla base di questi progressi, YOLO12 introduce un nuovo approccio all'elaborazione delle informazioni visive. Invece di trattare allo stesso modo tutte le parti di un'immagine, dà priorità alle aree più rilevanti, migliorando la precisione del rilevamento. In breve, YOLO12 si basa sui miglioramenti precedenti puntando a una maggiore precisione.

Caratteristiche principali di YOLO12#

YOLO12 introduce diversi miglioramenti che potenziano le attività di computer vision, mantenendo inalterate le velocità di elaborazione in tempo reale. Ecco una panoramica delle caratteristiche principali di YOLO12:

• Architettura basata sull'attenzione: invece di trattare allo stesso modo ogni parte di un'immagine, YOLO12 si concentra sulle aree più importanti. Questo migliora la precisione e riduce le elaborazioni superflue, rendendo il rilevamento più nitido ed efficiente, anche nelle immagini affollate.
• FlashAttention: YOLO12 accelera l'analisi delle immagini riducendo l'uso della memoria. Con FlashAttention, un algoritmo efficiente nell'uso della memoria, ottimizza la gestione dei dati, riduce il carico sull'hardware e rende le attività in tempo reale più fluide e affidabili.
• Reti di aggregazione dei livelli efficienti residue (R-ELAN): YOLO12 organizza i livelli in modo più efficiente grazie a R-ELAN, migliorando il modo in cui il modello elabora i dati e apprende da essi. Questo rende l'addestramento più stabile, il riconoscimento degli oggetti più preciso e i requisiti computazionali inferiori, consentendo un'esecuzione efficiente in ambienti diversi.

Per capire come funzionano queste caratteristiche nella pratica, pensa a un centro commerciale. YOLO12 può aiutare a monitorare i clienti, individuare le decorazioni dei negozi, come piante in vaso o cartelli promozionali, e rilevare gli oggetti fuori posto o abbandonati.

La sua architettura basata sull'attenzione lo aiuta a concentrarsi sui dettagli più importanti, mentre FlashAttention garantisce un'elaborazione rapida senza sovraccaricare il sistema. Questo facilita il lavoro dei responsabili del centro commerciale, che possono migliorare la sicurezza, organizzare la disposizione dei negozi e arricchire l'esperienza di acquisto complessiva.

Fig. 2. Rilevamento di oggetti in un centro commerciale con YOLO12.

Tuttavia, YOLO12 presenta anche alcuni limiti da considerare:

• Tempi di addestramento più lunghi: a causa della sua architettura, YOLO12 richiede più tempo per l'addestramento rispetto a Ultralytics YOLO11.
• Difficoltà di esportazione: alcuni utenti potrebbero incontrare difficoltà nell'esportazione dei modelli YOLO12, soprattutto quando li integrano in specifici ambienti di distribuzione.

Comprendere i benchmark delle prestazioni di YOLO12#

YOLO12 è disponibile in diverse varianti, ciascuna ottimizzata per esigenze specifiche. Le versioni più piccole (nano e small) privilegiano velocità ed efficienza, risultando ideali per dispositivi mobili ed edge computing. Le versioni medium e large bilanciano velocità e precisione, mentre YOLO12x (extra large) è progettato per applicazioni ad alta precisione, come l'automazione industriale, l'imaging medico e i sistemi di sorveglianza avanzati.

Con queste varianti, YOLO12 offre prestazioni diverse a seconda delle dimensioni del modello. I test di benchmark mostrano che alcune varianti di YOLO12 superano YOLOv10 e Ultralytics YOLO11 in termini di precisione, raggiungendo una precisione media media (mAP) più elevata.

Tuttavia, alcuni modelli, come YOLO12m, YOLO12l e YOLO12x, elaborano le immagini più lentamente di YOLO11, mostrando un compromesso tra precisione del rilevamento e velocità. Nonostante ciò, YOLO12 resta efficiente e richiede meno parametri di molti altri modelli, pur utilizzandone più di YOLO11. È quindi un'ottima scelta per le applicazioni in cui la precisione conta più della velocità pura.

Fig. 3. Confronto tra Ultralytics YOLO11 e YOLO12.

Usare YOLO12 tramite il pacchetto Python di Ultralytics#

YOLO12 è supportato dal pacchetto Python di Ultralytics ed è facile da usare, quindi è accessibile sia ai principianti sia ai professionisti. Bastano poche righe di codice per caricare modelli preaddestrati, eseguire diverse attività di computer vision su immagini e video e addestrare YOLO12 su dataset personalizzati. Il pacchetto Python di Ultralytics semplifica il processo, eliminando la necessità di configurazioni complesse.

Per esempio, ecco i passaggi da seguire per usare YOLO12 per il rilevamento degli oggetti:

• Installa il pacchetto Ultralytics: per prima cosa, installa il pacchetto Python di Ultralytics, che fornisce gli strumenti necessari per eseguire YOLO12 in modo efficiente. In questo modo, tutte le dipendenze vengono configurate correttamente.
• Carica un modello YOLO12 preaddestrato: scegli la variante YOLO12 più adatta (nano, small, medium, large o extra large) in base al livello di precisione e velocità richiesto dal tuo compito.
• Fornisci un'immagine o un video: inserisci un file immagine o video da analizzare. YOLO12 può anche elaborare flussi video in diretta per il rilevamento in tempo reale.
• Esegui il processo di rilevamento: il modello analizza i dati visivi, identifica gli oggetti e li racchiude in riquadri di delimitazione. Etichetta ogni oggetto rilevato con la classe prevista e il punteggio di confidenza.
• Regola le impostazioni di rilevamento: puoi anche modificare parametri come le soglie di confidenza per ottimizzare la precisione e le prestazioni del rilevamento.
• Salva o usa l'output: l'immagine o il video elaborato, che ora contiene gli oggetti rilevati, può essere salvato o integrato in un'applicazione per ulteriori analisi, automazione o processi decisionali.

Questi passaggi rendono YOLO12 facile da usare in diverse applicazioni, dalla sorveglianza e dal monitoraggio della vendita al dettaglio all'imaging medico e ai veicoli autonomi.

Applicazioni pratiche di YOLO12#

Grazie al supporto per il rilevamento degli oggetti, la segmentazione delle istanze, la classificazione delle immagini, la stima della posa e il rilevamento degli oggetti orientati (OBB), YOLO12 può essere usato in molte applicazioni reali, anche se al momento i pesi preaddestrati sono disponibili solo per il rilevamento.

Fig. 4. YOLO12 supporta attività come il rilevamento degli oggetti e la segmentazione di istanze.

Tuttavia, come abbiamo visto, i modelli YOLO12 privilegiano la precisione rispetto alla velocità, quindi impiegano un po' più di tempo per elaborare le immagini rispetto alle versioni precedenti. Questo compromesso rende YOLO12 ideale per le applicazioni in cui la precisione è più importante della velocità in tempo reale, come:

• Diagnostica per immagini: YOLO12 può essere addestrato su misura per rilevare tumori o anomalie nelle radiografie e nelle risonanze magnetiche con elevata precisione, diventando uno strumento utile per medici e radiologi che necessitano di un'analisi precisa delle immagini per la diagnosi.
• Controllo qualità nella produzione: può aiutare a individuare i difetti dei prodotti durante il processo produttivo, assicurando che solo articoli di alta qualità arrivino sul mercato, riducendo gli sprechi e migliorando l'efficienza.
• Analisi forense: le forze dell'ordine possono ottimizzare YOLO12 per analizzare i filmati di sorveglianza e raccogliere prove. Nelle indagini penali, la precisione è fondamentale per identificare i dettagli più importanti.
• Agricoltura di precisione: gli agricoltori possono usare YOLO12 per analizzare la salute delle colture, rilevare malattie o infestazioni di parassiti e monitorare le condizioni del suolo. Valutazioni precise aiutano a ottimizzare le strategie agricole, favorendo rese migliori e una gestione più efficace delle risorse.

Per iniziare a usare YOLO12#

Prima di eseguire YOLO12, è importante assicurarsi che il sistema soddisfi i requisiti necessari.

Dal punto di vista tecnico, YOLO12 può funzionare su qualsiasi GPU (unità di elaborazione grafica) dedicata. Per impostazione predefinita, non richiede FlashAttention, quindi può funzionare sulla maggior parte dei sistemi GPU anche senza questa tecnologia. Tuttavia, abilitare FlashAttention può essere particolarmente utile con dataset di grandi dimensioni o immagini ad alta risoluzione, perché aiuta a prevenire rallentamenti, ridurre l'uso della memoria e migliorare l'efficienza di elaborazione.

Per usare FlashAttention, ti serve una GPU NVIDIA di una delle seguenti serie: Turing (T4, Quadro RTX), Ampere (serie RTX 30, A30, A40, A100), Ada Lovelace (serie RTX 40) o Hopper (H100, H200).

Per garantire usabilità e accessibilità, FlashAttention è un componente facoltativo del pacchetto Python Ultralytics e deve essere compilato separatamente, poiché la sua installazione può essere piuttosto complessa dal punto di vista tecnico. Per saperne di più su come iniziare a usare YOLO12 e ottimizzarne le prestazioni, consulta la documentazione ufficiale di Ultralytics.

Punti chiave#

Con i progressi della computer vision, i modelli diventano sempre più precisi ed efficienti. YOLO12 migliora attività di computer vision come il rilevamento degli oggetti, la segmentazione di istanze e la classificazione delle immagini grazie all'elaborazione basata sull'attenzione e a FlashAttention, aumentando la precisione e ottimizzando l'uso della memoria.

Allo stesso tempo, la computer vision è più accessibile che mai. YOLO12 è facile da usare tramite il pacchetto Python di Ultralytics e, poiché privilegia la precisione rispetto alla velocità, è particolarmente adatto all'imaging medico, alle ispezioni industriali e alla robotica, applicazioni in cui la precisione è fondamentale.

Ti interessa l'AI? Visita il nostro repository GitHub e partecipa alla nostra community. Esplora le innovazioni in settori come l'AI nelle auto a guida autonoma e la visione artificiale in agricoltura nelle nostre pagine dedicate alle soluzioni. Scopri le nostre opzioni di licenza e dai vita ai tuoi progetti di AI visiva.