Ultralytics YOLO11 уже здесь! Переосмысли возможности ИИ!

Мы рады представить следующую эволюцию моделей Ultralytics: YOLO11! Развивая впечатляющие достижения предыдущих версий моделей YOLO, YOLO11 предлагает множество мощных функций и оптимизаций, которые делают его быстрее, точнее и невероятно универсальным. Представленная на мероприятии YOLO Vision 2024 (YV24) — ежегодной гибридной встрече экспертов, новаторов и разработчиков в области ИИ, — эта новейшая модель семейства Ultralytics призвана переосмыслить возможности компьютерного зрения.

Благодаря инновационной архитектуре Ultralytics YOLO11 можно использовать для различных задач компьютерного зрения — от обнаружения объектов в реальном времени до классификации, — что делает его настоящим прорывом для разработчиков и исследователей. Среди ключевых улучшений — усовершенствованное извлечение признаков для более точной фиксации деталей, повышенная точность при меньшем количестве параметров и более высокая скорость обработки, значительно улучшающая производительность в реальном времени. В этой статье мы подробно рассмотрим особенности, которые выделяют YOLO11, и то, как он может преобразить твои приложения компьютерного зрения. Начнём!

Рис. 1. Гленн Джохер на сцене представляет Ultralytics YOLO11 на YOLO Vision 24.

Знакомство с Ultralytics YOLO11#

YOLO11 открывает новую главу в развитии семейства YOLO, предлагая более функциональную и универсальную модель, которая выводит компьютерное зрение на новый уровень. Благодаря усовершенствованной архитектуре и расширенным возможностям модель поддерживает такие задачи компьютерного зрения, как оценка позы и сегментация экземпляров, за которые сообщество ИИ в области зрения полюбило Ultralytics YOLOv8, но обеспечивает ещё более высокую производительность и точность. Гленн Джохер, основатель и генеральный директор Ultralytics, отметил: «Создавая YOLO11, мы стремились разработать модель, которая сочетает мощность и практичность для применения в реальных условиях. Её повышенные эффективность и точность делают её надёжным инструментом, который можно адаптировать к уникальным задачам различных отраслей. Мне не терпится увидеть, как сообщество Vision AI использует YOLO11 для создания инновационных решений и вывода компьютерного зрения на новый уровень».

Рис. 2. Гленн Джохер на сцене представляет Ultralytics YOLO11 на YV24.

Вот какие задачи компьютерного зрения поддерживает Ultralytics YOLO11:

• Обнаружение объектов: определяет и локализует объекты на изображениях или видеокадрах, обводя их ограничивающими рамками для таких приложений, как видеонаблюдение, автономное вождение и аналитика розничной торговли.
• Сегментация экземпляров: определяет и разделяет отдельные объекты на изображении вплоть до уровня пикселей. Это полезно для таких приложений, как медицинская визуализация и обнаружение дефектов в производстве.
• Классификация изображений: распределяет целые изображения по заранее определённым классам, что делает её идеальной для таких приложений, как категоризация товаров в электронной коммерции или мониторинг дикой природы.
• Оценка позы: обнаруживает определённые ключевые точки на изображении или видеокадре для отслеживания движений или поз, что полезно для приложений в области фитнес-трекинга, спортивной аналитики и здравоохранения.
• Обнаружение ориентированных объектов (OBB): обнаруживает объекты с учётом угла их ориентации, обеспечивая более точную локализацию повёрнутых объектов, что особенно ценно для задач, связанных с аэрофотосъёмкой, робототехникой и автоматизацией складов.
• Отслеживание объектов: контролирует и отслеживает перемещение объектов в последовательных видеокадрах, что делает эту функцию необходимой для многих приложений реального времени.

Рис. 3. Задачи компьютерного зрения, поддерживаемые Ultralytics YOLO11.

Чем Ultralytics YOLO11 выделяется среди других моделей?#

YOLO11 развивает достижения, представленные в YOLOv9 и YOLOv10 ранее в этом году, включая улучшенную архитектуру, усовершенствованные методы извлечения признаков и оптимизированные методы обучения. YOLO11 действительно выделяется впечатляющим сочетанием скорости, точности и эффективности, что делает его одной из самых функциональных моделей, созданных Ultralytics на данный момент. Благодаря улучшенной архитектуре YOLO11 обеспечивает более качественное извлечение признаков, то есть процесс выявления важных закономерностей и деталей на изображениях, позволяя точнее фиксировать сложные элементы даже в трудных условиях.

Примечательно, что YOLO11m достигает более высокого показателя средней точности (mAP) на наборе данных COCO, используя при этом на 22% меньше параметров, чем YOLOv8m, что снижает вычислительную нагрузку без ущерба для производительности. Это означает, что модель выдаёт более точные результаты и при этом эффективнее выполняется. Кроме того, YOLO11 обеспечивает более высокую скорость обработки: время инференса примерно на 2% меньше, чем у YOLOv10, что делает его идеальным для приложений реального времени.

Рис. 4. Использование Ultralytics YOLO11 для обнаружения объектов.

Модель предназначена для решения сложных задач при меньшем потреблении ресурсов и разработана для повышения производительности крупномасштабных моделей, что делает её отличным выбором для требовательных проектов в области ИИ. Улучшения конвейера аугментации также усовершенствовали процесс обучения, благодаря чему Ultralytics YOLO11 легче адаптируется к различным задачам — от небольших проектов до крупномасштабных приложений.

На самом деле YOLO11 отличается высокой эффективностью с точки зрения вычислительных ресурсов и идеально подходит для развёртывания как в облаке, так и на периферийных устройствах, обеспечивая гибкость в разных средах. Проще говоря, YOLO11 — это не просто обновление, а значительно более точная, эффективная и гибкая модель, лучше подготовленная к решению любых задач компьютерного зрения. Будь то автономное вождение, видеонаблюдение, медицинская визуализация, умная розничная торговля или промышленные сценарии использования, YOLO11 достаточно универсальна для практически любого приложения компьютерного зрения.

Ultralytics YOLO11 готова для твоих систем и платформ#

Ultralytics YOLO11 разработана для бесшовной интеграции с системами и платформами, которые ты уже используешь. Развивая поддержку, предоставляемую YOLOv8, YOLO11 совместима с широким спектром сред для обучения, тестирования и развёртывания. Работаешь ли ты с GPU NVIDIA, периферийными устройствами или развёртываешь модель в облачных платформах, YOLO11 легко встраивается в твой рабочий процесс.

Эти интеграции делают YOLO11 адаптируемой к различным отраслям и помогают компаниям легко внедрять модель в существующие процессы. Например, ты можешь захотеть использовать YOLO11 в сельском хозяйстве, в частности для мониторинга посевов. В этом случае может потребоваться развернуть модель на дронах, чтобы в реальном времени выявлять проблемы со здоровьем растений на больших полях. Если же ты работаешь в сфере безопасности, то, возможно, предпочтёшь использовать YOLO11 с облачной системой для мониторинга потоков с нескольких камер и обнаружения объектов.

Рис. 5. Использование Ultralytics YOLO11 в сельском хозяйстве.

Расширяем возможности сообщества ИИ с помощью Ultralytics YOLO11#

С запуском YOLO11 сообщество ИИ в области компьютерного зрения может ожидать впечатляющих достижений. Благодаря повышенным точности и эффективности эта новая модель способна преобразить существующие приложения и создать новые. Важную роль в этом прогрессе играет Ultralytics HUB. Ultralytics HUB — это удобная платформа, которая упрощает обучение и развёртывание моделей YOLO, включая YOLO11.

Рис. 6. Запуск инференса YOLO11 в Ultralytics HUB.

Ultralytics HUB упрощает процесс разработки: пользователи могут загружать наборы данных, получать доступ к различным предварительно обученным моделям и управлять проектами в одном месте. HUB также поддерживает совместную работу, позволяя командам легко работать над проектами в области ИИ. Вот некоторые другие ключевые возможности Ultralytics HUB:

• Обучение в облаке: Ultralytics HUB обеспечивает удобное облачное обучение моделей, поддерживая масштабируемость и эффективность.
• Предварительно обученные модели: платформа предоставляет доступ к различным предварительно обученным моделям YOLOv5, YOLOv8 и YOLO11.
• Экспорт моделей: обученные модели можно экспортировать в различные форматы для развёртывания.
• Интеграции: Ultralytics HUB бесшовно интегрируется с такими платформами, как Roboflow, Google Colab и Weights & Biases.
• Подробная документация: Ultralytics HUB предлагает исчерпывающие руководства и ответы на часто задаваемые вопросы для поддержки пользователей.
• Поддержка сообщества: для вопросов и обсуждений доступно активное сообщество в Discord.

Благодаря интуитивно понятному дизайну HUB и опытные разработчики, и новички могут быстро приступить к работе. По мере того как всё больше разработчиков будут использовать Ultralytics YOLO11 через HUB, мы можем ожидать всплеска высокопроизводительных приложений, которые расширят границы компьютерного зрения и определят будущее технологий ИИ.

Попробуй Ultralytics YOLO11 на практике#

Как и YOLOv8, YOLO11 вскоре можно будет попробовать через Ultralytics HUB и пакет Ultralytics Python. Ты можешь войти в Ultralytics HUB или ознакомиться с нашим руководством по быстрому старту, где приведены пошаговые инструкции по установке пакета. После выпуска ты сможешь изучить возможности модели, поэкспериментировать с различными наборами данных и проверить, как YOLO11 работает в разных сценариях. Мы с нетерпением ждём, когда сообщество ИИ начнёт работать с YOLO11, внося вклад в его развитие, предоставляя обратную связь или создавая собственные решения на его основе.

Будь ты разработчиком, стремящимся оптимизировать существующие проекты, или специалистом, заинтересованным в создании новых приложений, твоё участие может способствовать инновациям. Участвуй в обсуждениях, делись опытом и сотрудничай с другими, чтобы раскрыть весь потенциал Ultralytics YOLO11. Мы с нетерпением ждём, как ты будешь использовать YOLO11 для решения реальных задач и воплощения своих творческих идей!

Новая глава начинается с Ultralytics YOLO11#

Ultralytics YOLO11 — следующий шаг в развитии компьютерного зрения, сочетающий впечатляющие точность, скорость и эффективность. Представленная на YV24 модель благодаря расширенным возможностям подходит для различных приложений реального времени — от автономных транспортных средств до решений для умной розничной торговли. Пока сообщество ИИ начинает изучать и использовать эту модель, нам интересно увидеть, как YOLO11 будет способствовать инновациям и воплощать в жизнь новые возможности. Если ты хочешь изучить последние достижения в области ИИ, попробуй YOLO11 и узнай, как он может вывести твои проекты компьютерного зрения на новый уровень!

Чтобы узнать больше об ИИ, загляни в наш репозиторий GitHub и присоединяйся к нашему активному сообществу. Узнай, как ИИ помогает развивать такие области, как здравоохранение и сельское хозяйство.