26 de fevereiro de 2025
Descubra o YOLO12, o modelo de visão computacional mais recente! Saiba como sua arquitetura centrada na atenção e a tecnologia FlashAttention aprimoram as tarefas de detecção de objetos em vários setores.
A visão computacional é um ramo da inteligência artificial (IA) que ajuda as máquinas a entender imagens e vídeos. É um campo que está avançando em um ritmo incrível porque pesquisadores e desenvolvedores de IA estão constantemente ultrapassando os limites. A comunidade de IA está sempre buscando tornar os modelos mais rápidos, inteligentes e eficientes. Um dos mais recentes avanços é o YOLO12, a mais nova adição à série de modelos YOLO (You Only Look Once), lançado em 18 de fevereiro de 2025.
O YOLO12 foi desenvolvido por pesquisadores da University at Buffalo, SUNY (State University of New York) e da University of Chinese Academy of Sciences. Em uma nova abordagem única, o YOLO12 introduz mecanismos de atenção, permitindo que o modelo se concentre nas partes mais essenciais de uma imagem, em vez de processar tudo igualmente.
Ele também apresenta o FlashAttention, uma técnica que acelera o processamento enquanto usa menos memória, e um mecanismo de atenção de área, projetado para imitar a maneira como os humanos naturalmente se concentram em objetos centrais.
Essas melhorias tornam o YOLO12n 2,1% mais preciso que o YOLOv10n e o YOLO12m +1,0% mais preciso que o YOLO11m. No entanto, isso tem um custo - o YOLO12n é 9% mais lento que o YOLOv10n, e o YOLO12m é 3% mais lento que o YOLO11m.
Neste artigo, exploraremos o que torna o YOLO12 diferente, como ele se compara às versões anteriores e onde ele pode ser aplicado.
A série de modelos YOLO é uma coleção de modelos de visão computacional projetados para detecção de objetos em tempo real, o que significa que eles podem identificar e localizar rapidamente objetos em imagens e vídeos. Ao longo do tempo, cada versão melhorou em termos de velocidade, precisão e eficiência.
Por exemplo, o Ultralytics YOLOv5, lançado em 2020, tornou-se amplamente utilizado por ser rápido e fácil de treinar e implementar de forma personalizada. Mais tarde, o Ultralytics YOLOv8 aprimorou isso, oferecendo suporte adicional para tarefas de visão computacional, como segmentação de instâncias e rastreamento de objetos.
Mais recentemente, o Ultralytics YOLO11 se concentrou em melhorar o processamento em tempo real, mantendo um equilíbrio entre velocidade e precisão. Por exemplo, o YOLO11m tinha 22% menos parâmetros do que o YOLOv8m, mas ainda assim oferecia melhor desempenho de detecção no conjunto de dados COCO, um benchmark amplamente utilizado para avaliar modelos de detecção de objetos.
Aproveitando esses avanços, o YOLO12 introduz uma mudança na forma como processa as informações visuais. Em vez de tratar todas as partes de uma imagem igualmente, ele prioriza as áreas mais relevantes, melhorando a precisão da detecção. Simplificando, o YOLO12 se baseia em melhorias anteriores, buscando ser mais preciso.
O YOLO12 introduz várias melhorias que aprimoram as tarefas de visão computacional, mantendo as velocidades de processamento em tempo real intactas. Aqui está uma visão geral dos principais recursos do YOLO12:
Para entender como esses recursos funcionam na vida real, considere um shopping center. O YOLO12 pode ajudar a rastrear compradores, identificar decorações de lojas, como vasos de plantas ou placas promocionais, e identificar itens perdidos ou abandonados.
A sua arquitetura centrada na atenção ajuda-o a concentrar-se nos detalhes mais importantes, enquanto o FlashAttention garante que processa tudo rapidamente sem sobrecarregar o sistema. Isto facilita aos operadores de centros comerciais a melhoria da segurança, a organização dos layouts das lojas e o aumento da experiência de compra global.
No entanto, o YOLO12 também apresenta algumas limitações a serem consideradas:
O YOLO12 está disponível em várias versões, cada uma otimizada para diferentes necessidades. As versões menores (nano e small) priorizam velocidade e eficiência, tornando-as ideais para dispositivos móveis e computação de borda. As versões média e grande encontram um equilíbrio entre velocidade e precisão, enquanto o YOLO12x (extra grande) foi projetado para aplicações de alta precisão, como automação industrial, imagens médicas e sistemas avançados de vigilância.
Com estas variações, o YOLO12 oferece diferentes níveis de desempenho, dependendo do tamanho do modelo. Testes de referência mostram que certas variantes do YOLO12 superam o YOLOv10 e o YOLO11 em precisão, alcançando uma maior precisão média (mAP).
No entanto, alguns modelos, como YOLO12m, YOLO12l e YOLO12x, processam imagens mais lentamente do que o YOLO11, mostrando uma compensação entre precisão de detecção e velocidade. Apesar disso, o YOLO12 permanece eficiente, exigindo menos parâmetros do que muitos outros modelos, embora ainda use mais do que o YOLO11. Isso o torna uma ótima opção para aplicações onde a precisão é mais importante do que a velocidade bruta.
O YOLO12 é suportado pelo pacote Ultralytics Python e é fácil de usar, tornando-o acessível tanto para iniciantes quanto para profissionais. Com apenas algumas linhas de código, os usuários podem carregar modelos pré-treinados, executar várias tarefas de visão computacional em imagens e vídeos e também treinar o YOLO12 em conjuntos de dados personalizados. O pacote Ultralytics Python agiliza o processo, eliminando a necessidade de etapas de configuração complexas.
Por exemplo, aqui estão os passos que você seguiria para usar o YOLO12 para detecção de objetos:
Essas etapas tornam o YOLO12 fácil de usar para uma variedade de aplicações, desde vigilância e rastreamento de varejo até imagens médicas e veículos autônomos.
O YOLO12 pode ser usado em diversas aplicações do mundo real graças ao seu suporte para detecção de objetos, segmentação de instâncias, classificação de imagens, estimativa de pose e detecção de objetos orientados (OBB).
No entanto, como discutimos anteriormente, os modelos YOLO12 priorizam a precisão em relação à velocidade, o que significa que eles levam um pouco mais de tempo para processar imagens em comparação com as versões anteriores. Essa compensação torna o YOLO12 ideal para aplicações onde a precisão é mais importante do que a velocidade em tempo real, como:
Antes de executar o YOLO12, é importante garantir que seu sistema atenda aos requisitos necessários.
Tecnicamente, o YOLO12 pode ser executado em qualquer GPU (Unidade de Processamento Gráfico) dedicada. Por padrão, ele não requer FlashAttention, portanto, pode funcionar na maioria dos sistemas de GPU sem ele. No entanto, habilitar o FlashAttention pode ser especialmente útil ao trabalhar com grandes conjuntos de dados ou imagens de alta resolução, pois ajuda a evitar lentidão, reduzir o uso de memória e melhorar a eficiência do processamento.
Para usar o FlashAttention, você precisará de uma GPU NVIDIA de uma destas séries: Turing (T4, Quadro RTX), Ampere (RTX 30 series, A30, A40, A100), Ada Lovelace (RTX 40 series) ou Hopper (H100, H200).
Tendo em mente a usabilidade e a acessibilidade, o pacote Ultralytics Python ainda não oferece suporte à inferência FlashAttention, pois sua instalação pode ser bastante complexa tecnicamente. Para saber mais sobre como começar a usar o YOLO12 e otimizar seu desempenho, confira a documentação oficial da Ultralytics.
À medida que a visão computacional avança, os modelos tornam-se mais precisos e eficientes. O YOLO12 aprimora tarefas de visão computacional, como deteção de objetos, segmentação de instâncias e classificação de imagens com processamento centrado na atenção e FlashAttention, aumentando a precisão e otimizando o uso da memória.
Ao mesmo tempo, a visão computacional está mais acessível do que nunca. O YOLO12 é fácil de usar através do pacote Python Ultralytics e, com o seu foco na precisão em vez da velocidade, é adequado para imagiologia médica, inspeções industriais e robótica - aplicações onde a precisão é fundamental.
Tem curiosidade sobre IA? Visite o nosso repositório GitHub e interaja com a nossa comunidade. Explore inovações em setores como IA em carros autónomos e visão computacional na agricultura nas nossas páginas de soluções. Consulte as nossas opções de licenciamento e dê vida aos seus projetos de Visão de IA. 🚀
