Сравнение Ultralytics YOLO11 с предыдущими моделями YOLO

От автоматизации повседневных задач до помощи в принятии обоснованных решений в реальном времени — искусственный интеллект (AI) меняет будущее различных отраслей. Одно из особенно интересных направлений AI — компьютерное зрение, также известное как vision AI. Оно помогает машинам анализировать и интерпретировать визуальные данные подобно человеку.

В частности, модели компьютерного зрения стимулируют инновации, повышающие безопасность и эффективность. Например, такие модели используются в беспилотных автомобилях для обнаружения пешеходов и в камерах видеонаблюдения для круглосуточного мониторинга территории.

Одни из самых известных моделей компьютерного зрения — модели YOLO (смотри один раз), известные своими возможностями обнаружения объектов в реальном времени. Со временем модели YOLO совершенствовались, и каждая новая версия обеспечивала более высокую производительность и гибкость.

Более новые версии, такие как Ultralytics YOLO11, поддерживают множество задач, включая сегментацию экземпляров, классификацию изображений, оценку позы и отслеживание нескольких объектов, обеспечивая более высокие точность, скорость и прецизионность, чем когда-либо прежде.

В этой статье мы сравним Ultralytics YOLOv8, YOLOv9, YOLOv10 и Ultralytics YOLO11, чтобы лучше понять, как развивались эти модели. Мы проанализируем их ключевые функции, результаты бенчмаркинга и различия в производительности. Начнём!

Обзор Ultralytics YOLOv8#

YOLOv8, выпущенная Ultralytics 10 января 2023 года, стала значительным шагом вперёд по сравнению с более ранними моделями YOLO. Она оптимизирована для точного обнаружения в реальном времени и сочетает проверенные подходы с инновационными обновлениями для получения лучших результатов.

Помимо обнаружения объектов, модель поддерживает следующие задачи компьютерного зрения: сегментацию экземпляров, оценку позы, обнаружение объектов с ориентированными ограничивающими рамками (OBB) и классификацию изображений. Ещё одна важная особенность Ultralytics YOLOv8 — наличие пяти вариантов модели: Nano, Small, Medium, Large и X, поэтому ты можешь выбрать оптимальный баланс скорости и точности с учётом своих потребностей.

Благодаря универсальности и высокой производительности Ultralytics YOLOv8 можно использовать во множестве реальных приложений, включая системы безопасности, умные города, здравоохранение и промышленную автоматизацию.

Рис. 1. Управление парковкой в умных городах с помощью YOLOv8.

Ключевые особенности Ultralytics YOLOv8#

Рассмотрим подробнее некоторые другие ключевые особенности Ultralytics YOLOv8:

• Улучшенная архитектура обнаружения: Ultralytics YOLOv8 использует улучшенную базовую сеть CSPDarknet. Она оптимизирована для извлечения признаков — процесса выявления и выделения важных закономерностей или деталей во входных изображениях, которые помогают модели делать точные прогнозы.
• Голова обнаружения: модель использует безъякорную раздельную архитектуру, то есть не полагается на заранее заданные формы ограничивающих рамок (якоря), а напрямую обучается предсказывать местоположение объектов. Благодаря раздельной структуре задачи классификации объекта и предсказания его местоположения (регрессии) обрабатываются отдельно, что помогает повысить точность и ускорить обучение.
• Баланс точности и скорости: модель обеспечивает впечатляющую точность при сохранении высокой скорости вывода, поэтому подходит как для облачных, так и для периферийных сред.
• Удобство использования: YOLOv8 разработана так, чтобы с ней было легко начать работу: с помощью пакета Ultralytics для Python ты можешь начать строить прогнозы и просматривать результаты всего за несколько минут.

YOLOv9 ориентирована на вычислительную эффективность#

YOLOv9 была выпущена 21 февраля 2024 года Ченем-Яо Ваном и Хун-Юанем Марком Ляо из Института информационных наук Академии Синика (Тайвань). Она поддерживает такие задачи, как обнаружение объектов и сегментация экземпляров.

Эта модель развивает идеи Ultralytics YOLOv5 и представляет две основные инновации: программируемую информацию о градиенте (PGI) и обобщённую эффективную сеть агрегации слоёв (GELAN).

PGI помогает YOLOv9 сохранять важную информацию при обработке данных через свои слои, что приводит к более точным результатам. В свою очередь, GELAN улучшает использование слоёв модели, повышая производительность и вычислительную эффективность. Благодаря этим улучшениям YOLOv9 может выполнять задачи в реальном времени на периферийных устройствах и в мобильных приложениях, где вычислительные ресурсы часто ограничены.

Рис. 2. Как GELAN повышает точность YOLOv9.

Ключевые особенности YOLOv9#

Вот некоторые другие ключевые особенности YOLOv9:

• Высокая точность при эффективности: YOLOv9 обеспечивает высокую точность обнаружения, не потребляя много вычислительных ресурсов, поэтому отлично подходит для ситуаций с ограниченными ресурсами.
• Лёгкие модели: облегчённые варианты YOLOv9 оптимизированы для развёртывания на периферийных и мобильных устройствах.
• Простота использования: YOLOv9 поддерживается пакетом Ultralytics для Python, поэтому её легко настроить и запустить в разных средах — с помощью кода или командной строки.

YOLOv10 обеспечивает обнаружение объектов без NMS#

YOLOv10 была представлена 23 мая 2024 года исследователями из Университета Цинхуа и ориентирована на обнаружение объектов в реальном времени. Она устраняет ограничения предыдущих версий YOLO, отказываясь от необходимости в подавлении немаксимумов (NMS) — этапе постобработки для удаления дублирующихся обнаружений, — и совершенствуя общую архитектуру модели. В результате обнаружение объектов становится более быстрым и эффективным при сохранении точности уровня передовых решений.

Важную роль в этом играет подход к обучению, известный как согласованные назначения двойных меток. Он объединяет две стратегии: одну, позволяющую нескольким прогнозам обучаться на одном и том же объекте (один-ко-многим), и другую, ориентированную на выбор единственного лучшего прогноза (один-к-одному). Поскольку обе стратегии используют одинаковые правила сопоставления, модель самостоятельно учится избегать дубликатов, поэтому NMS не требуется.

Рис. 3. YOLOv10 использует согласованные назначения двойных меток для обучения без NMS.

Архитектура YOLOv10 также использует улучшенную базовую сеть CSPNet для более эффективного изучения признаков и шею PAN (сеть агрегации путей), которая объединяет информацию из разных слоёв, благодаря чему модель лучше обнаруживает как маленькие, так и крупные объекты. Эти улучшения позволяют использовать YOLOv10 в реальных приложениях для производства, розничной торговли и автономного вождения.

Ключевые особенности YOLOv10#

Вот некоторые другие отличительные особенности YOLOv10:

• Свёртки с большими ядрами: модель использует свёртки с большими ядрами, чтобы захватывать больше контекста из более широких областей изображения и лучше понимать сцену в целом.

• Модули частичного self-attention: модель включает модули частичного self-attention, чтобы сосредоточиться на наиболее важных частях изображения без чрезмерных затрат вычислительных ресурсов, эффективно повышая производительность.

• Уникальный вариант модели: наряду с обычными размерами YOLOv10 — Nano, Small, Medium, Large и X — существует специальная версия YOLOv10b (Balanced). Это более широкая модель, то есть на каждом слое она обрабатывает больше признаков, что помогает повысить точность, сохраняя баланс между скоростью и размером.

• Удобство использования: YOLOv10 совместима с пакетом Ultralytics для Python, поэтому её легко использовать.

Ultralytics YOLO11: повышенная скорость и точность#

В этом году, 30 сентября, Ultralytics официально представила YOLO11 — одну из новейших моделей в серии YOLO — на ежегодном гибридном мероприятии YOLO Vision 2024 (YV24).

Этот выпуск принёс значительные улучшения по сравнению с предыдущими версиями. Ultralytics YOLO11 работает быстрее, обеспечивает более высокую точность и отличается высокой эффективностью. Она поддерживает полный набор задач компьютерного зрения, знакомых пользователям YOLOv8, включая обнаружение объектов, сегментацию экземпляров и классификацию изображений. Она также сохраняет совместимость с рабочими процессами YOLOv8, поэтому пользователи могут легко перейти на новую версию.

Кроме того, Ultralytics YOLO11 разработана для широкого спектра вычислительных задач — от лёгких периферийных устройств до мощных облачных систем. Модель доступна как в версии с открытым исходным кодом, так и в корпоративной версии, что позволяет адаптировать её под разные сценарии использования.

Это отличный вариант для задач, требующих высокой точности, таких как анализ медицинских изображений и обнаружение объектов на спутниковых снимках, а также для более широких приложений в автономных транспортных средствах, сельском хозяйстве и здравоохранении.

Рис. 4. Использование Ultralytics YOLO11 для обнаружения, подсчёта и отслеживания транспорта.

Ключевые особенности Ultralytics YOLO11#

Вот некоторые другие уникальные особенности Ultralytics YOLO11:

• Быстрое и эффективное обнаружение: Ultralytics YOLO11 оснащена головой обнаружения, разработанной для минимальной задержки и ориентированной на скорость на финальных слоях предсказания без ущерба для производительности.
• Улучшенное извлечение признаков: оптимизированные архитектуры базовой сети и шеи улучшают извлечение признаков, что приводит к более точным прогнозам.
• Бесшовное развёртывание на разных платформах: Ultralytics YOLO11 оптимизирована для эффективной работы на периферийных устройствах, облачных платформах и GPU NVIDIA, обеспечивая адаптивность в разных средах.

Бенчмаркинг моделей YOLO на датасете COCO#

При изучении разных моделей не всегда легко сравнить их, просто анализируя функции. Здесь и помогает бенчмаркинг. Запуская все модели на одном датасете, мы можем объективно измерить и сравнить их производительность. Давай посмотрим, как каждая модель работает на датасете COCO.

При сравнении моделей YOLO каждая новая версия приносит заметные улучшения с точки зрения точности, скорости и гибкости. В частности, YOLO11m делает здесь значительный шаг вперёд: она использует на 22% меньше параметров, чем YOLOv8m, а значит, является более лёгкой и быстрой. Несмотря на меньший размер, она достигает более высокого среднего среднего значения точности (mAP) на датасете COCO. Эта метрика показывает, насколько хорошо модель обнаруживает объекты и определяет их местоположение, поэтому более высокий mAP означает более точные прогнозы.

Рис. 5. Бенчмаркинг YOLO11 и других моделей YOLO на датасете COCO.

Тестирование и сравнение моделей YOLO на видео#

Давай посмотрим, как эти модели работают в реальной ситуации.

Чтобы сравнить YOLOv8, YOLOv9, YOLOv10 и YOLO11, все четыре модели запустили на одном и том же видео с дорожным движением, используя порог уверенности 0,3 (модель отображает обнаружения, только когда как минимум на 30% уверена, что правильно распознала объект) и размер изображения 640 для объективной оценки. Результаты обнаружения и отслеживания объектов выявили ключевые различия в точности обнаружения, скорости и прецизионности.

Уже на первом кадре YOLO11 обнаружила крупные транспортные средства, например грузовики, которые YOLOv10 пропустила. YOLOv8 и YOLOv9 показали достойные результаты, но их эффективность менялась в зависимости от условий освещения и размера объектов. Маленькие удалённые транспортные средства оставались сложной задачей для всех моделей, хотя YOLO11 также продемонстрировала заметные улучшения в их обнаружении.

Рис. 6. Сравнение YOLOv8, YOLOv9, YOLOv10 и YOLO11.

С точки зрения скорости все модели обрабатывали кадр за 10–20 миллисекунд — достаточно быстро для выполнения задач в реальном времени со скоростью более 50 FPS. С одной стороны, Ultralytics YOLOv8 и YOLOv9 обеспечивали стабильные и надёжные обнаружения на протяжении всего видео. Интересно, что YOLOv10, разработанная для меньшей задержки, работала быстрее, но иногда непоследовательно обнаруживала некоторые типы объектов.

Ultralytics YOLO11, с другой стороны, выделилась своей прецизионностью, обеспечив оптимальный баланс между скоростью и точностью. Хотя ни одна из моделей не работала идеально на каждом кадре, непосредственное сравнение ясно показало, что YOLO11 обеспечила наилучшую общую производительность.

Какая модель YOLO лучше всего подходит для задач компьютерного зрения?#

Выбор модели для проекта зависит от его конкретных требований. Например, одни приложения могут отдавать приоритет скорости, тогда как другим требуется более высокая точность или необходимо учитывать ограничения среды развёртывания, влияющие на решение.

Ещё один важный фактор — тип задач компьютерного зрения, которые тебе нужно решать. Если тебе нужна более широкая гибкость при работе с разными задачами, хорошими вариантами будут YOLOv8 и YOLO11.

Выбор между YOLOv8 и YOLO11 действительно зависит от твоих потребностей. YOLOv8 — надёжный вариант, если ты только начинаешь работать с компьютерным зрением и ценишь более крупное сообщество, больше руководств и обширные сторонние интеграции.

С другой стороны, если тебе нужна передовая производительность с более высокой точностью и скоростью, Ultralytics YOLO11 будет лучшим выбором, хотя из-за более недавнего выпуска у неё меньшее сообщество и меньше интеграций.

Основные выводы#

От Ultralytics YOLOv8 до Ultralytics YOLO11 эволюция серии моделей YOLO отражает последовательное стремление к созданию более интеллектуальных моделей компьютерного зрения. Каждая версия YOLO приносит значимые улучшения с точки зрения скорости, точности и прецизионности.

По мере развития компьютерного зрения эти модели предлагают надёжные решения реальных задач — от обнаружения объектов до автономных систем. Непрерывное развитие моделей YOLO показывает, насколько далеко продвинулась эта область и каких новых результатов мы можем ожидать в будущем.

Чтобы узнать больше об AI, посети наш репозиторий GitHub и присоединяйся к нашему сообществу. Узнай о достижениях в разных отраслях: от vision AI в производстве до компьютерного зрения в здравоохранении. Ознакомься с нашими вариантами лицензирования, чтобы уже сегодня начать свои проекты в области vision AI.