Tudo o que precisas de saber sobre Ultralytics YOLO11 e as suas aplicações

Na segunda-feira, 30 de setembro, a Ultralytics lançou oficialmente o Ultralytics YOLO11, o avanço mais recente em visão computacional, após sua estreia no YOLO Vision 2024 (YV24), o evento híbrido anual da Ultralytics. A comunidade de IA está empolgada e corre para explorar os recursos do modelo. Com processamento mais rápido, maior precisão e modelos otimizados tanto para dispositivos de borda quanto para implantação na nuvem, o YOLO11 redefine o que é possível em aplicações de visão computacional em tempo real.

Em uma entrevista, o fundador e CEO da Ultralytics, Glenn Jocher, comentou: “O mundo está avançando em direção à energia limpa, mas não rápido o suficiente. Queremos que nossos modelos possam ser treinados em menos épocas, com menos aumentos de dados e menos dados, então estamos trabalhando bastante nisso. O menor modelo de detecção de objetos, YOLO11n, tem apenas 2,6 milhões de parâmetros — aproximadamente o tamanho de um JPEG, o que é realmente incrível. O maior modelo de detecção de objetos, o YOLO11x, tem cerca de 56 milhões de parâmetros, e mesmo assim é incrivelmente pequeno em comparação com outros modelos. Você pode treiná-los em uma GPU barata, como uma GPU Nvidia de cinco anos, só com um pouco de empolgação e café.”

Neste artigo, vamos analisar mais de perto o Ultralytics YOLO11, explorando seus recursos, melhorias, benchmarks de desempenho e aplicações reais para ajudar você a entender o que esse modelo pode fazer. Vamos começar!

Conheça o Ultralytics YOLO11: melhorias em relação às versões anteriores#

O YOLO11 é o avanço mais recente da série YOLO (Você Só Olha Uma Vez) de modelos de visão computacional e oferece melhorias significativas em relação a versões anteriores, como YOLOv5 e YOLOv8. A equipe da Ultralytics incorporou o feedback da comunidade e pesquisas de ponta para tornar o YOLO11 mais rápido, preciso e eficiente. O YOLO11 também oferece suporte às mesmas tarefas de visão computacional que o YOLOv8, incluindo detecção de objetos, segmentação de instâncias e classificação de imagens. Na verdade, os usuários podem migrar facilmente para o YOLO11 sem precisar alterar os fluxos de trabalho existentes.

Um dos principais destaques do YOLO11 é seu desempenho superior em precisão e velocidade em comparação com seus antecessores. Com 22% menos parâmetros que o YOLOv8m, o YOLO11m alcança uma precisão média (mAP) maior no conjunto de dados COCO, o que significa que detecta objetos com mais precisão e eficiência. Em termos de velocidade de processamento, o YOLO11 supera os modelos anteriores, sendo ideal para aplicações em tempo real, nas quais a detecção e a resposta rápidas são essenciais e cada milissegundo conta.

O gráfico de benchmark abaixo mostra como o YOLO11 se destaca em relação aos modelos anteriores. O eixo horizontal apresenta a precisão média de caixas no COCO (AP), que mede a precisão da detecção de objetos. O eixo vertical mostra a latência usando TensorRT10 FP16 em uma GPU NVIDIA T4, indicando a velocidade de processamento dos dados pelo modelo.

Fig. 1. O Ultralytics YOLO11 oferece recursos de detecção de objetos em tempo real de última geração.

Lançamento do modelo Ultralytics YOLO11: opções de código aberto e empresariais#

Com o lançamento do Ultralytics YOLO11, a Ultralytics está expandindo a série YOLO ao oferecer modelos de código aberto e empresariais para atender à crescente demanda de vários setores.

Fig. 2. Com este lançamento, a Ultralytics oferece 30 novos modelos.

O YOLO11 tem cinco tamanhos distintos de modelo: Nano, Small, Medium, Large e X. Os usuários podem escolher o modelo mais adequado às necessidades específicas de sua aplicação de visão computacional. Os cinco tamanhos oferecem flexibilidade para tarefas como classificação de imagens, detecção de objetos, segmentação de instâncias, rastreamento, estimativa de pose e detecção de objetos com caixas delimitadoras orientadas (OBB). Há um modelo para cada tarefa em cada tamanho, totalizando 25 modelos de código aberto que constituem o núcleo das ofertas da Ultralytics. Esses modelos são ideais para uma ampla variedade de aplicações, desde tarefas leves em dispositivos de borda, nas quais o modelo YOLO11n oferece eficiência impressionante, até aplicações de maior escala que exigem os modelos YOLO11l e YOLO11x.

Pela primeira vez, a Ultralytics está lançando modelos empresariais, um marco importante em nossas ofertas de produtos, e estamos empolgados para compartilhar essas inovações com nossos usuários. O YOLO11 apresenta cinco modelos proprietários projetados especificamente para casos de uso comerciais. Esses modelos empresariais, que estarão disponíveis no próximo mês, são treinados com o novo conjunto de dados proprietário da Ultralytics, composto por mais de 1 milhão de imagens, oferecendo modelos pré-treinados mais robustos. Eles foram desenvolvidos para aplicações exigentes do mundo real, como análise de imagens médicas e processamento de imagens de satélite, nas quais a detecção precisa de objetos é essencial.

Conheça os recursos de próxima geração do Ultralytics YOLO11#

Agora que discutimos o que o Ultralytics YOLO11 oferece, vamos analisar o que torna o YOLO11 tão especial.

Um dos principais desafios no desenvolvimento do YOLO11 foi encontrar o equilíbrio adequado entre prioridades conflitantes: tornar os modelos menores, mais rápidos e mais precisos. Como explicou Glenn Jocher, fundador e CEO da Ultralytics: “Trabalhar na pesquisa e no desenvolvimento do YOLO é realmente desafiador, porque queremos avançar em três direções diferentes: reduzir o tamanho dos modelos, aumentar a precisão e também acelerar o desempenho em diferentes plataformas, como CPU e GPU. Tudo isso envolve interesses conflitantes, então é preciso fazer concessões e escolher onde implementar mudanças.” Apesar desses desafios, o YOLO11 alcança um equilíbrio impressionante, com melhorias de velocidade e precisão em relação a versões anteriores, como o YOLOv8.

Fig. 3. Exemplo de uso do Ultralytics YOLO11 para detecção de objetos.

O Ultralytics YOLO11 traz melhorias substanciais, como a extração de características aprimorada com uma arquitetura de backbone e neck redesenhada, que leva a uma detecção de objetos mais precisa. O modelo também foi otimizado para velocidade e eficiência, oferecendo tempos de processamento menores sem deixar de manter alta precisão. Além desses benefícios, o YOLO11 é altamente adaptável a diferentes ambientes e funciona perfeitamente em dispositivos de borda, plataformas na nuvem e sistemas com GPUs NVIDIA. Essa adaptabilidade faz dele uma opção ideal para quem precisa de opções flexíveis de implantação em várias configurações de hardware, de dispositivos móveis a servidores de grande escala.

Aplicações do Ultralytics YOLO11 em tempo real#

A versatilidade do Ultralytics YOLO11 faz dele uma ferramenta confiável em muitos setores, especialmente para lidar com casos de uso complexos. Por exemplo, ele funciona perfeitamente em dispositivos de borda e pode ser usado em aplicações que exigem análise em tempo real em ambientes com poder computacional limitado. Um excelente exemplo é a condução autônoma, na qual os veículos precisam tomar decisões em frações de segundo para manter todos em segurança. O YOLO11 ajuda a detectar e analisar objetos na estrada, como pedestres e outros carros, mesmo em condições difíceis, como pouca luz ou visibilidade parcial. A detecção rápida e precisa ajuda a evitar acidentes e garante que os veículos autônomos naveguem com segurança.

Fig. 4. Glenn Jocher no palco do YV24 falando sobre aplicações do Ultralytics YOLO11.

Outro exemplo interessante da versatilidade do Ultralytics YOLO11 é sua capacidade de lidar com caixas delimitadoras orientadas (OBB). Isso é essencial para detectar objetos que não estão perfeitamente alinhados. A detecção de objetos com OBB é especialmente útil em setores como agricultura, mapeamento e vigilância, nos quais as imagens geralmente contêm objetos rotacionados, como plantações ou edifícios em imagens aéreas ou de satélite. Ao contrário dos modelos tradicionais, o YOLO11 identifica objetos em qualquer ângulo e oferece resultados muito mais precisos para tarefas que exigem exatidão.

Ultralytics YOLO11 para desenvolvedores de IA: experimente você mesmo#

Começar a usar o YOLO11 é simples e acessível, seja com programação ou sem código. Para trabalhar com o YOLO11 usando código, você pode usar o pacote Ultralytics para Python para treinar e implantar modelos facilmente. Se preferir uma abordagem sem código, a Ultralytics Platform permite experimentar o YOLO11 com apenas alguns cliques.

Guia passo a passo do código do Ultralytics YOLO11#

Para usar o YOLO11 com Python, primeiro você precisa instalar o pacote Ultralytics. Você pode fazer isso usando pip, conda ou Docker, conforme sua preferência. Para ver instruções detalhadas e práticas recomendadas relacionadas ao processo de instalação, consulte nosso Guia de instalação da Ultralytics. Se encontrar dificuldades ao instalar os pacotes necessários para o YOLO11, consulte nosso Guia de problemas comuns para encontrar soluções e dicas.

Depois de instalar o pacote Ultralytics, é fácil usar o YOLO11. O trecho de código a seguir mostra como carregar um modelo, treiná-lo, testar seu desempenho e exportá-lo para o formato ONNX. Para ver exemplos mais detalhados e usos avançados, consulte a documentação oficial da Ultralytics, onde você encontrará guias detalhados e práticas recomendadas para aproveitar ao máximo o YOLO11.

Fig. 5. Uso do YOLO11 pelo pacote Ultralytics.

Para quem prefere uma abordagem sem código, a Ultralytics Platform oferece uma maneira fácil de treinar e implantar modelos YOLO11 com apenas alguns cliques. Para começar a usar a Ultralytics Platform, basta criar uma conta na Ultralytics Platform para começar a treinar e gerenciar seus modelos por meio de uma interface intuitiva.

Ultralytics YOLO11: moldando o futuro da IA para visão#

A comunidade de IA está sempre avançando no campo da visão computacional, buscando desenvolver modelos mais rápidos e precisos para aplicações reais. O Ultralytics YOLO11 é um marco importante nesse esforço, trazendo melhorias de velocidade, precisão e flexibilidade. Ele foi projetado para aplicações em tempo real e de borda, sendo ideal para setores como saúde e condução autônoma. Seja usando o pacote Ultralytics para Python ou a Ultralytics Platform sem código, o YOLO11 simplifica tarefas complexas de IA para visão. Ele oferece recursos avançados de visão computacional, sendo uma ótima opção para desenvolvedores e empresas.

Confira nosso repositório no GitHub e participe da nossa comunidade ativa para saber mais sobre IA. Descubra como a IA visual está impulsionando a inovação em setores como saúde e agricultura.