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 campo che si sta evolvendo a un ritmo incredibile perché i ricercatori e gli sviluppatori di AI spingono costantemente i limiti. La comunità dell'AI mira continuamente a rendere i modelli più veloci, intelligenti ed efficienti. Una delle innovazioni più recenti è YOLO12, l'ultima aggiunta alla serie di modelli YOLO (rileva una sola volta), rilasciata il 18 febbraio 2025.

YOLO12 è stato sviluppato da ricercatori della University at Buffalo, SUNY (Università dello Stato di New York) e della University of Chinese Academy of Sciences. In un nuovo approccio unico nel suo genere, YOLO12 introduce meccanismi di attenzione, consentendo al modello di concentrarsi sulle parti più essenziali di un'immagine invece di elaborare tutto allo stesso modo.

Include inoltre FlashAttention, una tecnica che accelera l'elaborazione utilizzando meno memoria, e un meccanismo di attenzione per aree, progettato per imitare il modo in cui gli esseri umani si concentrano naturalmente sugli oggetti centrali.

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

Fig. 1. Un esempio dell'utilizzo di YOLO12 per rilevare oggetti.

In questo articolo esploreremo cosa rende YOLO12 diverso, come si confronta con le versioni precedenti e in quali ambiti può essere applicato.

Il percorso verso il rilascio di YOLO12#

La serie di modelli YOLO è una raccolta di modelli di visione artificiale progettati per il rilevamento degli oggetti in tempo reale, ovvero in grado di identificare e localizzare rapidamente gli oggetti in immagini e video. Nel tempo, ogni versione ha migliorato velocità, accuratezza ed efficienza.

Ad esempio, Ultralytics YOLOv5, rilasciato nel 2020, è diventato ampiamente utilizzato perché era veloce e facile da addestrare e distribuire su misura. In seguito, Ultralytics YOLOv8 ha migliorato ulteriormente questi aspetti offrendo supporto aggiuntivo per attività di visione artificiale come la segmentazione delle istanze e il tracciamento degli oggetti.

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

Partendo da questi progressi, YOLO12 introduce un cambiamento nel modo in cui elabora le informazioni visive. Invece di trattare tutte le parti di un'immagine allo stesso modo, dà priorità alle aree più rilevanti, migliorando l'accuratezza del rilevamento. In parole semplici, YOLO12 si basa sui miglioramenti precedenti puntando a una maggiore precisione.

Caratteristiche principali di YOLO12#

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

• Architettura incentrata sull'attenzione: invece di trattare ogni parte di un'immagine allo stesso modo, YOLO12 si concentra sulle aree più importanti. Questo migliora l'accuratezza e riduce l'elaborazione non necessaria, rendendo il rilevamento più preciso ed efficiente, anche nelle immagini affollate.
• FlashAttention: YOLO12 accelera l'analisi delle immagini utilizzando meno memoria. Con FlashAttention (un algoritmo efficiente in termini di memoria), ottimizza la gestione dei dati, riducendo il carico sull'hardware e rendendo le attività in tempo reale più fluide e affidabili.
• Reti di aggregazione efficiente dei livelli residue (R-ELAN): YOLO12 organizza i propri livelli in modo più efficiente utilizzando 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 di calcolo inferiori, consentendo un'esecuzione efficiente in ambienti diversi.

Per capire come funzionano queste caratteristiche nella vita reale, considera un centro commerciale. YOLO12 può aiutare a tracciare i clienti, identificare gli elementi decorativi dei negozi, come piante in vaso o cartelli promozionali, e individuare oggetti fuori posto o abbandonati.

La sua architettura incentrata 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 gestori del centro commerciale nel migliorare la sicurezza, organizzare la disposizione dei negozi e rendere migliore l'esperienza di acquisto complessiva.

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

Tuttavia, YOLO12 presenta anche alcune limitazioni da considerare:

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

Comprendere i benchmark delle prestazioni di YOLO12#

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

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

Tuttavia, alcuni modelli, come YOLO12m, YOLO12l e YOLO12x, elaborano le immagini più lentamente di YOLO11, evidenziando un compromesso tra accuratezza del rilevamento e velocità. Nonostante ciò, YOLO12 rimane efficiente e richiede meno parametri di molti altri modelli, anche se ne utilizza più di YOLO11. Questo lo rende un'ottima scelta per le applicazioni in cui l'accuratezza è più importante della velocità pura.

Fig. 3. Confronto tra Ultralytics YOLO11 e YOLO12.

Utilizzare YOLO12 tramite il pacchetto Python di Ultralytics#

YOLO12 è supportato dal pacchetto Python di Ultralytics ed è facile da utilizzare, risultando accessibile sia ai principianti sia ai professionisti. Con poche righe di codice, puoi caricare modelli preaddestrati, eseguire diverse attività di visione artificiale su immagini e video e addestrare YOLO12 su dataset personalizzati. Il pacchetto Python di Ultralytics semplifica il processo, eliminando la necessità di complesse procedure di configurazione.

Ad esempio, ecco i passaggi da seguire per utilizzare YOLO12 per il rilevamento degli oggetti:

• Installare 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 ti assicuri che tutte le dipendenze siano configurate correttamente.
• Caricare un modello YOLO12 preaddestrato: scegli la variante YOLO12 appropriata (nano, small, medium, large o extra large) in base al livello di accuratezza e velocità richiesto dalla tua attività.
• Fornire un'immagine o un video: inserisci un file immagine o video che vuoi analizzare. YOLO12 può anche elaborare flussi video in diretta per il rilevamento in tempo reale.
• Eseguire il processo di rilevamento: il modello analizza i dati visivi, identifica gli oggetti e vi posiziona intorno riquadri di delimitazione. Assegna a ogni oggetto rilevato la classe prevista e il relativo punteggio di confidenza.
• Regolare le impostazioni di rilevamento: puoi anche modificare parametri come le soglie di confidenza per ottimizzare l'accuratezza e le prestazioni del rilevamento.
• Salvare o utilizzare 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 utilizzare in numerose applicazioni, dalla videosorveglianza al tracciamento nel commercio al dettaglio, dall'imaging medico ai veicoli autonomi.

Applicazioni pratiche di YOLO12#

YOLO12 può essere utilizzato in numerose applicazioni del mondo reale grazie al supporto per il rilevamento degli oggetti, la segmentazione delle istanze, la classificazione delle immagini, la stima della posa e il rilevamento di oggetti orientati (OBB).

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

Tuttavia, come abbiamo discusso in precedenza, i modelli YOLO12 privilegiano l'accuratezza rispetto alla velocità, il che significa che impiegano leggermente più 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:

• Imaging medico: YOLO12 può essere addestrato su misura per rilevare tumori o anomalie nelle radiografie e nelle risonanze magnetiche con elevata accuratezza, risultando 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 identificare i difetti dei prodotti durante il processo produttivo, garantendo che solo gli articoli di alta qualità arrivino sul mercato, riducendo al contempo gli sprechi e migliorando l'efficienza.
• Analisi forense: le forze dell'ordine possono ottimizzare YOLO12 per analizzare i filmati di videosorveglianza e raccogliere prove. Nelle indagini criminali, la precisione è fondamentale per identificare i dettagli chiave.
• Agricoltura di precisione: gli agricoltori possono utilizzare YOLO12 per analizzare lo stato di salute delle colture, rilevare malattie o infestazioni di parassiti e monitorare le condizioni del terreno. Valutazioni accurate aiutano a ottimizzare le strategie agricole, portando a rese migliori e a una gestione più efficiente delle risorse.

Iniziare a utilizzare YOLO12#

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

Dal punto di vista tecnico, YOLO12 può essere eseguito 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 di essa. Tuttavia, abilitare FlashAttention può essere particolarmente utile quando lavori con dataset di grandi dimensioni o immagini ad alta risoluzione, poiché aiuta a evitare rallentamenti, ridurre l'utilizzo della memoria e migliorare l'efficienza di elaborazione.

Per utilizzare 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).

Tenendo conto dell'usabilità e dell'accessibilità, il pacchetto Python di Ultralytics non supporta ancora l'inferenza con FlashAttention, poiché la sua installazione può essere piuttosto complessa dal punto di vista tecnico. Per saperne di più su come iniziare a utilizzare YOLO12 e ottimizzarne le prestazioni, consulta la documentazione ufficiale di Ultralytics.

Punti chiave#

Con l'avanzare della visione artificiale, i modelli diventano sempre più precisi ed efficienti. YOLO12 migliora attività di visione artificiale come il rilevamento degli oggetti, la segmentazione delle istanze e la classificazione delle immagini grazie all'elaborazione incentrata sull'attenzione e a FlashAttention, aumentando l'accuratezza e ottimizzando l'utilizzo della memoria.

Allo stesso tempo, la visione artificiale è più accessibile che mai. YOLO12 è facile da utilizzare tramite il pacchetto Python di Ultralytics e, concentrandosi sull'accuratezza anziché sulla velocità, è particolarmente adatto all'imaging medico, alle ispezioni industriali e alla robotica, ovvero ad applicazioni in cui la precisione è fondamentale.

Sei curioso di conoscere l'AI? Visita il nostro repository GitHub e partecipa alla nostra community. Scopri le innovazioni in settori come l'AI nelle auto a guida autonoma e la visione artificiale nell'agricoltura nelle nostre pagine dedicate alle soluzioni. Dai un'occhiata alle nostre opzioni di licenza e porta alla vita i tuoi progetti di AI per la visione. 🚀