Ultralytics YOLO11 уже здесь! Переопредели границы возможного в ИИ!

Мы рады представить следующую эволюцию моделей Ultralytics: YOLO11! Основываясь на впечатляющих достижениях предыдущих версий моделей YOLO, YOLO11 предлагает множество мощных функций и оптимизаций, которые делают её быстрее, точнее и невероятно универсальной. Анонсированная на мероприятии YOLO Vision 2024 (YV24), ежегодной гибридной встрече Ultralytics для экспертов в области ИИ, новаторов и разработчиков, эта последняя новинка в семействе Ultralytics призвана переопределить возможности компьютерного зрения.

Благодаря своей инновационной архитектуре YOLO11 может использоваться для различных задач компьютерного зрения, от обнаружения объектов в реальном времени до классификации, что делает её незаменимым инструментом как для разработчиков, так и для исследователей. Ключевые улучшения включают расширенное извлечение признаков для более точного захвата деталей, повышенную точность при меньшем количестве параметров и более высокую скорость обработки, что значительно улучшает производительность в реальном времени. В этой статье мы подробнее рассмотрим функции, которые выделяют YOLO11, и то, как она может преобразить твои приложения компьютерного зрения. Давай начнем!

Рис 1. Гленн Джочер на сцене, анонсирует YOLO11 на YOLO Vision 24.

Link to this sectionЗнакомство с YOLO11#

YOLO11 открывает новую главу для семейства YOLO, предлагая более функциональную и универсальную модель, которая выводит компьютерное зрение на новые высоты. Благодаря усовершенствованной архитектуре и расширенным возможностям, модель поддерживает такие задачи компьютерного зрения, как оценка поз и сегментация экземпляров, которые так полюбились сообществу ИИ в Ultralytics YOLOv8, но с ещё большей производительностью и точностью. Гленн Джочер, основатель и генеральный директор Ultralytics, поделился: «С помощью YOLO11 мы стремились разработать модель, которая предлагает как мощность, так и практичность для реальных задач. Её улучшенная эффективность и точность делают её надёжным инструментом, который можно адаптировать к уникальным вызовам, с которыми сталкиваются различные отрасли. Мне не терпится увидеть, как сообщество Vision AI использует YOLO11 для создания инновационных решений и вывода компьютерного зрения на новый уровень».

Рис 2. Гленн Джочер на сцене, анонсирует YOLO11 на YV24.

Вот краткий обзор задач компьютерного зрения, которые поддерживает YOLO11:

• Обнаружение объектов: идентифицирует и находит объекты на изображениях или кадрах видео, рисуя вокруг них ограничивающие рамки (BBox) для таких приложений, как видеонаблюдение, автономное вождение и розничная аналитика.
• Сегментация экземпляров: включает идентификацию и отделение отдельных объектов 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 заданным классам, что идеально подходит для таких приложений, как категоризация товаров в электронной коммерции или мониторинг дикой природы.
• Оценка поз: обнаруживает специфические ключевые точки на изображении или кадре видео для отслеживания движений или поз, что полезно для приложений отслеживания фитнеса, спортивной аналитики и здравоохранения.
• Ориентированное обнаружение объектов (OBB): обнаруживает объекты с углом ориентации, что позволяет более точно локализовать повёрнутые объекты, что особенно ценно для аэрофотосъёмки, робототехники и задач автоматизации складов.
• Отслеживание объектов: контролирует и следует за движением объектов между последовательными кадрами видео, что необходимо для многих приложений реального времени.

Рис 3. Задачи компьютерного зрения, поддерживаемые YOLO11.

Link to this sectionЧто отличает YOLO11?#

YOLO11 опирается на достижения, представленные в YOLOv9 и YOLOv10 ранее в этом году, включая улучшенные архитектурные решения, усовершенствованные методы извлечения признаков и оптимизированные методы обучения. Что действительно выделяет YOLO11, так это её впечатляющее сочетание скорости, точности и эффективности, что делает её одной из самых функциональных моделей, созданных Ultralytics на данный момент. Благодаря улучшенному дизайну YOLO11 предлагает лучшее извлечение признаков, процесс идентификации важных шаблонов и деталей на изображениях, что позволяет более точно фиксировать сложные аспекты даже в самых трудных сценариях.

Примечательно, что YOLO11m достигает более высокого показателя mAP на наборе данных COCO, используя при этом на 22% меньше параметров, чем YOLOv8m, что делает её вычислительно более лёгкой без ущерба для производительности. Это означает, что она выдаёт более точные результаты, будучи при этом более эффективной в работе. Кроме того, YOLO11 обеспечивает более высокую скорость обработки: время вывода примерно на 2% быстрее, чем у YOLOv10, что делает её идеальной для приложений реального времени.

Рис 4. Использование YOLO11 для обнаружения объектов.

Она создана для выполнения сложных задач, оставаясь при этом менее ресурсоёмкой, и предназначена для улучшения производительности крупномасштабных моделей, что делает её отличным выбором для требовательных ИИ-проектов. Улучшения в конвейере аугментации также ускорили процесс обучения, что облегчает адаптацию YOLO11 к различным задачам, работаешь ли ты над небольшими проектами или крупномасштабными приложениями.

На самом деле YOLO11 обладает высокой эффективностью с точки зрения вычислительной мощности и идеально подходит для развертывания как в облаке, так и на граничных устройствах, обеспечивая гибкость в различных средах. Проще говоря, YOLO11 — это не просто обновление; это значительно более точная, эффективная и гибкая модель, лучше подготовленная к любым вызовам компьютерного зрения. Будь то автономное вождение, видеонаблюдение, медицинская визуализация, умная розничная торговля или промышленные сценарии использования, YOLO11 достаточно универсальна, чтобы подойти практически для любого приложения компьютерного зрения.

Link to this sectionYOLO11 готова к работе в твоих системах и на платформах#

YOLO11 разработана для бесшовной интеграции с системами и платформами, которые ты уже используешь. Опираясь на поддержку, предоставленную YOLOv8, YOLO11 совместима с широким спектром сред для обучения, тестирования и развертывания. Независимо от того, работаешь ли ты с NVIDIA GPUs, граничными устройствами или разворачиваешь в облаке, YOLO11 оптимизирована для лёгкого внедрения в твой рабочий процесс.

Эти интеграции — отличные дополнения, которые делают YOLO11 адаптируемой к различным отраслям, помогая компаниям легко внедрять модель в свои существующие процессы. Например, допустим, ты хочешь использовать YOLO11 в сельском хозяйстве, в частности для мониторинга посевов. Тебе может потребоваться развернуть модель на дронах для выявления проблем со здоровьем растений в реальном времени на больших полях. Однако, если ты работаешь в сфере безопасности, ты можешь предпочесть использовать YOLO11 с облачной системой для мониторинга нескольких потоков с камер для обнаружения объектов.

Рис 5. Использование YOLO11 в сельском хозяйстве.

Link to this sectionРасширение возможностей ИИ-сообщества с помощью YOLO11#

Сообщество Vision AI может ожидать захватывающих достижений с запуском YOLO11. Благодаря повышенной точности и эффективности эта новая модель обладает потенциалом преобразовать существующие приложения и создать новые. Важным фактором этого прогресса является Ultralytics HUB. Ultralytics HUB — это удобная платформа, которая упрощает обучение и развертывание моделей YOLO, включая YOLO11.

Рис 6. Запуск выводов YOLO11 на Ultralytics HUB.

Ultralytics HUB оптимизирует процесс разработки, позволяя пользователям загружать наборы данных, получать доступ к ряду предварительно обученных моделей и управлять своими проектами в одном месте. HUB также поддерживает совместную работу, что упрощает командам взаимодействие над ИИ-проектами. Вот некоторые другие ключевые функции Ultralytics HUB:

• Облачное обучение: Ultralytics HUB предлагает бесшовное облачное обучение моделей для обеспечения масштабируемости и эффективности.
• Предварительно обученные модели: Платформа предоставляет доступ к множеству предварительно обученных моделей YOLOv5, YOLOv8 и YOLO11.
• Экспорт моделей: Обученные модели могут быть экспортированы в различные форматы для развертывания.
• Интеграции: Ultralytics HUB бесшовно интегрируется с такими платформами, как Roboflow, Google Colab и Weights & Biases.
• Подробная документация: Ultralytics HUB предлагает исчерпывающие руководства и часто задаваемые вопросы для поддержки пользователей.
• Поддержка сообщества: Активное сообщество в Discord доступно для вопросов и обсуждений.

Благодаря интуитивно понятному дизайну HUB как опытные разработчики, так и новички могут быстро начать работу. Поскольку всё больше разработчиков используют YOLO11 через HUB, мы можем ожидать всплеска высокопроизводительных приложений, которые расширяют границы компьютерного зрения и формируют будущее ИИ-технологий.

Link to this sectionНачни практическую работу с YOLO11#

Точно так же, как и YOLOv8, YOLO11 скоро станет доступна для тестирования через Ultralytics HUB и пакет Ultralytics Python. Ты можешь войти в Ultralytics HUB или ознакомиться с нашим руководством по быстрому старту, чтобы получить пошаговые инструкции по установке пакета. После релиза ты сможешь изучить её функции, поэкспериментировать с различными наборами данных и посмотреть, как YOLO11 работает в различных сценариях. Нам не терпится увидеть, как сообщество ИИ взаимодействует с YOLO11, внося свой вклад в её развитие, предоставляя обратную связь или создавая на её основе новые решения.

Независимо от того, являешься ли ты разработчиком, стремящимся оптимизировать существующие проекты, или человеком, заинтересованным в создании новых приложений, твоё участие может помочь стимулировать инновации. Присоединяйся к обсуждениям, делись своим опытом и сотрудничай с другими, чтобы раскрыть весь потенциал YOLO11. Мы рады видеть, как ты используешь YOLO11 для решения реальных задач и воплощения своих творческих идей в жизнь!

Link to this sectionНовая глава начинается с YOLO11#

YOLO11 — это следующий шаг вперед в компьютерном зрении, сочетающий впечатляющую точность, скорость и эффективность. Анонсированная на YV24, её передовые функции делают модель универсальной для различных приложений реального времени, от автономных транспортных средств до решений для умной розничной торговли. Поскольку сообщество ИИ начинает исследовать и использовать эту модель, мы с нетерпением ждем, как YOLO11 будет стимулировать инновации и воплощать в жизнь новые возможности. Если ты хочешь изучить последние достижения в ИИ, попробуй YOLO11 и узнай, как она может поднять уровень твоих проектов в области компьютерного зрения!

Чтобы узнать больше об ИИ, переходи в наш репозиторий GitHub и присоединяйся к нашему активному сообществу. Узнай, как ИИ делает успехи в таких областях, как здравоохранение и сельское хозяйство.