Ultralytics YOLO11 уже здесь! Переосмысли границы возможного в ИИ!

Мы рады представить следующий этап развития моделей Ultralytics — YOLO11! Продолжая впечатляющие достижения предыдущих версий моделей YOLO, YOLO11 предлагает множество мощных функций и оптимизаций, благодаря которым модель стала быстрее, точнее и невероятно универсальной. Эту новинку представили на мероприятии YOLO Vision 2024 (YV24) — ежегодной гибридной встрече экспертов по ИИ, новаторов и разработчиков, которую проводит Ultralytics. Эта модель семейства Ultralytics (впоследствии её сменила Ultralytics YOLO26) задаёт новые стандарты возможностей компьютерного зрения.

Благодаря инновационной архитектуре Ultralytics YOLO11 подходит для самых разных задач компьютерного зрения: от обнаружения объектов в реальном времени до классификации, поэтому это практичный выбор и для разработчиков, и для исследователей. Ключевые улучшения включают более эффективное извлечение признаков для точной фиксации деталей, повышение точности при меньшем количестве параметров и ускорение обработки, заметно улучшающее производительность в реальном времени. В этой статье мы подробнее рассмотрим особенности YOLO11 и узнаем, как эта модель может преобразить твои приложения компьютерного зрения.

Рис. 1. Гленн Джочер на сцене объявляет о выпуске Ultralytics YOLO11 на YOLO Vision 24.

Знакомство с Ultralytics YOLO11#

YOLO11 открывает новую главу в развитии семейства YOLO: эта более мощная и универсальная модель выводит компьютерное зрение на новый уровень. Благодаря доработанной архитектуре и расширенным возможностям модель поддерживает такие задачи компьютерного зрения, как оценка позы и сегментация экземпляров, которые полюбились сообществу компьютерного зрения за Ultralytics YOLOv8, но обеспечивает ещё более высокую производительность и точность. Гленн Джохер, основатель и генеральный директор Ultralytics, поделился: «Работая над YOLO11, мы стремились создать модель, которая сочетает мощность и практичность для реальных задач. Благодаря повышенной эффективности и точности это надёжный инструмент, который можно адаптировать к уникальным вызовам разных отраслей. Не могу дождаться, когда сообщество компьютерного зрения начнёт использовать YOLO11 для создания инновационных решений и выведет компьютерное зрение на новый уровень».

Рис. 2. Гленн Джочер на сцене объявляет о выходе Ultralytics YOLO11 на YV24.

Вот краткий обзор задач компьютерного зрения, которые поддерживает Ultralytics YOLO11:

• Обнаружение объектов: выявляет объекты на изображениях или видеокадрах и определяет их местоположение, обводя их ограничивающими рамками. Применяется, например, для наблюдения, автономного вождения и аналитики в розничной торговле.
• Сегментация экземпляров: выявляет и отделяет отдельные объекты на изображении вплоть до уровня пикселей. Полезна в таких областях, как медицинская визуализация и обнаружение дефектов на производстве.
• Классификация изображений: распределяет изображения по заранее заданным категориям и подходит для таких задач, как классификация товаров в электронной торговле и наблюдение за дикой природой.
• Оценка позы: обнаруживает ключевые точки на изображении или видеокадре, чтобы отслеживать движения или позы. Применяется для отслеживания физической активности, спортивной аналитики и задач здравоохранения.
• Обнаружение объектов с ориентированными рамками (OBB): обнаруживает объекты с учётом угла их наклона, позволяя точнее определять местоположение повёрнутых объектов. Это особенно полезно для аэрофотосъёмки, робототехники и автоматизации складов.
• Отслеживание объектов: наблюдает за перемещением объектов и отслеживает их на последовательных видеокадрах, что важно для многих приложений реального времени.

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

Чем отличается Ultralytics YOLO11?#

YOLO11 развивает достижения, реализованные ранее в этом году в YOLOv9 и YOLOv10, объединяя усовершенствованную архитектуру, улучшенные методы извлечения признаков и оптимизированные методы обучения. YOLO11 выделяется впечатляющим сочетанием скорости, точности и эффективности, что делает её одной из самых мощных моделей, созданных Ultralytics на данный момент. Благодаря улучшенной конструкции YOLO11 лучше выполняет извлечение признаков — процесс выявления важных закономерностей и деталей на изображениях, позволяющий точнее распознавать сложные особенности даже в непростых условиях.

Примечательно, что YOLO11m показывает более высокий результат по средней точности (mAP) на наборе данных COCO, используя на 22% меньше параметров, чем YOLOv8m. Это снижает вычислительную нагрузку без потери производительности. Иными словами, модель даёт более точные результаты и при этом работает эффективнее. Кроме того, YOLO11 быстрее обрабатывает данные: время инференса примерно на 2% меньше, чем у YOLOv10, что делает её идеальной для приложений реального времени.

Рис. 4. Обнаружение объектов с помощью Ultralytics YOLO11.

Модель создана для решения сложных задач при меньших затратах ресурсов и призвана повысить производительность крупных моделей, поэтому она отлично подходит для требовательных проектов в области ИИ. Улучшения конвейера аугментации также ускорили обучение и упростили адаптацию Ultralytics YOLO11 к разным задачам — от небольших проектов до масштабных приложений.

YOLO11 отличается высокой вычислительной эффективностью и отлично подходит для развёртывания как в облаке, так и на периферийных устройствах, обеспечивая гибкость в разных условиях. Проще говоря, YOLO11 — не просто обновление, а значительно более точная, эффективная и гибкая модель, которая лучше справляется с широким спектром задач компьютерного зрения. YOLO11 достаточно универсальна практически для любых приложений компьютерного зрения: автономного вождения, наблюдения, медицинской визуализации, умной розничной торговли и промышленного применения.

Ultralytics YOLO11 готова к работе в твоих системах и на твоих платформах#

Ultralytics YOLO11 создана для интеграции с системами и платформами, которыми ты уже пользуешься. Развивая поддержку, реализованную в YOLOv8, YOLO11 совместима с широким спектром сред для обучения, тестирования и развёртывания. Работаешь ли ты с GPU NVIDIA, периферийными устройствами или облачными платформами — YOLO11 оптимизирована для интеграции в твой рабочий процесс.

Эти интеграции отлично дополняют YOLO11 и помогают адаптировать модель к разным отраслям, упрощая компаниям её внедрение в существующие процессы. Например, представь, что ты хочешь использовать YOLO11 в сельском хозяйстве, а именно для мониторинга посевов. Возможно, тебе понадобится развернуть модель на дронах, чтобы в реальном времени выявлять проблемы со здоровьем растений на больших полях. Если же ты работаешь в сфере безопасности, тебе может подойти YOLO11 в облачной системе, которая анализирует потоки с нескольких камер и обнаруживает объекты.

Рис. 5. Использование Ultralytics YOLO11 в сельском хозяйстве.

Новые возможности для сообщества ИИ с Ultralytics YOLO11#

Запуск YOLO11 обещает сообществу компьютерного зрения много интересных новшеств. Благодаря повышенным точности и эффективности новая модель может преобразить существующие приложения и помочь создавать новые. Важную роль в этом играет Ultralytics HUB, которую впоследствии сменила Ultralytics Platform. Ultralytics HUB — удобная платформа, упрощающая обучение и развёртывание моделей YOLO, в том числе YOLO11.

Рис. 6. Запуск инференса YOLO11 на 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, помогая командам работать над проектами в области ИИ. Вот ещё несколько основных возможностей Ultralytics HUB:

• Обучение в облаке: Ultralytics HUB предлагает обучение моделей в облаке, обеспечивая 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 интегрируется с такими платформами, как Roboflow, Google Colab и Weights & Biases.
• Подробная документация: Ultralytics HUB предлагает подробные руководства и ответы на часто задаваемые вопросы, помогающие пользователям.
• Поддержка сообщества: в активном сообществе Discord можно задавать вопросы и обсуждать разные темы.

Благодаря интуитивно понятному интерфейсу HUB и опытные разработчики, и новички могут быстро приступить к работе. Чем больше разработчиков будет использовать Ultralytics YOLO11 через HUB, тем больше высокопроизводительных приложений компьютерного зрения мы увидим.

Попробуй Ultralytics YOLO11 на практике#

Как и YOLOv8, YOLO11 можно попробовать в Ultralytics Platform и пакете Ultralytics для Python. Войди в Ultralytics Platform или ознакомься с нашим кратким руководством, где пошагово описана установка пакета. Изучай возможности модели, экспериментируй с разными наборами данных и проверяй, как YOLO11 работает в различных сценариях. Мы с нетерпением ждем, когда сообщество ИИ начнет участвовать в развитии YOLO11: вносить вклад, делиться отзывами и создавать решения на ее основе.

Если ты разработчик и хочешь оптимизировать существующие проекты или планируешь создавать новые приложения, твоё участие поможет ускорить инновации. Присоединяйся к обсуждениям, делись опытом и сотрудничай с другими, чтобы раскрыть весь потенциал Ultralytics YOLO11. Нам не терпится увидеть, как ты используешь YOLO11 для решения реальных задач и воплощения своих идей!

Ultralytics YOLO11 открывает новую главу#

Ultralytics YOLO11 — следующий шаг в развитии компьютерного зрения, объединяющий впечатляющие точность, скорость и эффективность. Представленная на YV24 модель обладает передовыми возможностями и подходит для различных приложений реального времени — от автономных автомобилей до решений для умной розничной торговли. Пока сообщество ИИ знакомится с моделью и начинает её использовать, нам интересно увидеть, как YOLO11 будет стимулировать инновации и открывать новые возможности. Если ты хочешь узнать о последних достижениях в области ИИ, попробуй YOLO11 и посмотри, как она улучшит твои проекты компьютерного зрения!

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