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 por computador é um ramo da inteligência artificial (IA) que ajuda as máquinas a compreender imagens e vídeos. É um campo que está a avançar a um ritmo incrível porque os investigadores e programadores de IA estão constantemente a ultrapassar os limites. A comunidade de IA está sempre a tentar tornar os modelos mais rápidos, mais inteligentes e mais eficientes. Uma das mais recentes descobertas é o YOLO12, a mais recente adição à série de modelos YOLO (You Only Look Once), lançada a 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 modelosYOLO é uma coleção de modelos de visão por computador concebidos para a deteção de objectos em tempo real, o que significa que podem identificar e localizar rapidamente objectos em imagens e vídeos. Ao longo do tempo, cada versão melhorou em termos de velocidade, precisão e eficiência.
Por exemplo, Ultralytics YOLOv5lançado em 2020, tornou-se amplamente utilizado porque era rápido e fácil de treinar e implantar de forma personalizada. Mais tarde, Ultralytics YOLOv8 melhorou este aspeto, oferecendo suporte adicional para tarefas de visão computacional, como a segmentação de instâncias e o rastreio de objectos.
Mais recentemente, Ultralytics YOLO11 centrou-se na melhoria do processamento em tempo real, mantendo um equilíbrio entre velocidade e precisão. Por exemplo, o YOLO11m tinha menos 22% de parâmetros do que YOLOv8m, mas mesmo assim apresentou um melhor desempenho de deteção no conjunto de dados COCO , uma referência amplamente utilizada para avaliar modelos de deteção de objectos.
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 compreender como estas funcionalidades funcionam na vida real, considere um centro comercial. O YOLO12 pode ajudar a track os compradores, identificar decorações da loja, como vasos de plantas ou sinais promocionais, e detetar artigos 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 proporciona diferentes níveis de desempenho, consoante a dimensão do modelo. Os testes de referência mostram que certas variantes do YOLO12 superam o YOLOv10 e YOLO11 em termos de exatidão, alcançando uma precisão média superiormAP).
No entanto, alguns modelos, como o YOLO12m, o YOLO12l e o YOLO12x, processam imagens mais lentamente do que YOLO11, mostrando um compromisso entre a precisão da deteção e a velocidade. Apesar disso, o YOLO12 continua eficiente, exigindo menos parâmetros do que muitos outros modelos, embora ainda use mais do que YOLO11. Isto torna-o uma óptima escolha para aplicações em que a precisão é mais importante do que a velocidade bruta.
O YOLO12 é suportado pelo pacoteUltralytics Python e é fácil de utilizar, tornando-o acessível tanto a principiantes como a profissionais. Com apenas algumas linhas de código, os utilizadores 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 simplifica o processo, eliminando a necessidade de passos de configuração complexos.
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 defeito, não requer FlashAttention, pelo que pode funcionar na maioria dos sistemas GPU sem ele. No entanto, ativar 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 umaGPU NVIDIA de uma destas séries: Turing (T4, Quadro RTX), Ampere (série RTX 30, A30, A40, A100), Ada Lovelace (série RTX 40) ou Hopper (H100, H200).
Tendo em conta a usabilidade e a acessibilidade, o pacote Ultralytics Python ainda não suporta a inferência FlashAttention, uma vez que a sua instalação pode ser bastante complexa do ponto de vista técnico. Para saber mais sobre como começar a utilizar o YOLO12 e otimizar o seu desempenho, consulte a documentação oficial 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 utilizar através do pacote Ultralytics Python e, com a sua ênfase na precisão em detrimento da velocidade, é adequado para imagiologia médica, inspecções industriais e robótica - aplicações em que 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. 🚀
.webp)