Mọi điều cần biết về Ultralytics YOLO11 và các ứng dụng

Vào thứ Hai, ngày 30 tháng 9, Ultralytics chính thức ra mắt Ultralytics YOLO11, bước tiến mới nhất khi đó trong lĩnh vực thị giác máy tính, sau lần đầu được giới thiệu tại YOLO Vision 2024 (YV24), sự kiện hybrid thường niên của Ultralytics. Cộng đồng AI nhanh chóng khám phá các khả năng của model này. Với tốc độ xử lý nhanh hơn, độ chính xác cao hơn và các model được tối ưu hóa cho cả thiết bị edge lẫn triển khai trên cloud, YOLO11 định nghĩa lại những gì có thể thực hiện trong các ứng dụng thị giác máy tính thời gian thực.

Trong một cuộc phỏng vấn, Nhà sáng lập kiêm CEO của Ultralytics, Glenn Jocher, chia sẻ: “Thế giới đang chuyển sang năng lượng sạch, nhưng tốc độ chưa đủ nhanh. Chúng tôi muốn các model có thể được huấn luyện với ít epoch hơn, ít phép tăng cường dữ liệu hơn và ít dữ liệu hơn, vì vậy chúng tôi đang nỗ lực để đạt được điều đó. Model phát hiện đối tượng nhỏ nhất, YOLO11n, chỉ có 2,6 triệu tham số — gần bằng kích thước của một ảnh JPEG, thật sự đáng kinh ngạc. Model phát hiện đối tượng lớn nhất, YOLO11x, có khoảng 56 triệu tham số; ngay cả vậy, nó vẫn cực kỳ nhỏ so với các model khác. Bạn có thể huấn luyện chúng trên một GPU giá rẻ, chẳng hạn GPU Nvidia đã năm năm tuổi, chỉ cần chút hào hứng và một ít cà phê.”

Trong bài viết này, chúng ta sẽ tìm hiểu kỹ hơn về Ultralytics YOLO11, khám phá các tính năng, cải tiến, benchmark hiệu năng và ứng dụng thực tế để giúp bạn hiểu model này có thể làm được gì.

Tìm hiểu Ultralytics YOLO11: Những cải tiến so với các phiên bản trước#

Khi ra mắt, YOLO11 là bước tiến mới nhất trong dòng model thị giác máy tính YOLO (chỉ nhìn một lần) (sau đó đã được thay thế bằng Ultralytics YOLO26). Model này cải thiện đáng kể so với các phiên bản trước như YOLOv5 và YOLOv8. Đội ngũ Ultralytics đã tích hợp phản hồi từ cộng đồng cùng các nghiên cứu mới nhất để giúp YOLO11 nhanh hơn, chính xác hơn và hiệu quả hơn. YOLO11 cũng hỗ trợ cùng các tác vụ thị giác máy tính như YOLOv8, bao gồm phát hiện đối tượng, phân đoạn instance và phân loại ảnh. Trên thực tế, người dùng có thể dễ dàng chuyển sang YOLO11 mà không cần thay đổi quy trình làm việc hiện có.

Một trong những điểm nổi bật chính của YOLO11 là hiệu năng vượt trội về cả độ chính xác lẫn tốc độ so với các phiên bản tiền nhiệm. Với ít hơn YOLOv8m 22% tham số, YOLO11m đạt độ chính xác trung bình (mAP) cao hơn trên tập dữ liệu COCO, nghĩa là model có thể phát hiện đối tượng chính xác và hiệu quả hơn. Về tốc độ xử lý, YOLO11 vượt trội hơn các model trước, phù hợp với ứng dụng thời gian thực, nơi việc phát hiện và phản hồi nhanh là yếu tố then chốt và từng mili giây đều quan trọng.

Biểu đồ benchmark bên dưới cho thấy YOLO11 nổi bật như thế nào so với các model trước. Trục ngang thể hiện độ chính xác trung bình COCO Box (AP), chỉ số đo độ chính xác của việc phát hiện đối tượng. Trục dọc thể hiện độ trễ khi sử dụng TensorRT 10 FP16 trên GPU NVIDIA T4, cho biết tốc độ xử lý dữ liệu của model.

Hình 1. Ultralytics YOLO11 cung cấp khả năng phát hiện đối tượng thời gian thực tiên tiến.

Ra mắt model Ultralytics YOLO11: Tùy chọn mã nguồn mở và enterprise#

Với sự ra mắt của Ultralytics YOLO11, Ultralytics mở rộng dòng YOLO bằng cách cung cấp cả model mã nguồn mở lẫn model doanh nghiệp để đáp ứng nhu cầu ngày càng tăng trong nhiều ngành.

Hình 2. Với lần ra mắt này, Ultralytics cung cấp 30 model mới.

YOLO11 có năm kích thước model riêng biệt: Nano, Small, Medium, Large và X. Người dùng có thể chọn model phù hợp nhất tùy theo nhu cầu cụ thể của ứng dụng thị giác máy tính. Năm kích thước này mang lại tính linh hoạt cho các tác vụ như phát hiện đối tượng, phân đoạn instance, phân loại hình ảnh, ước tính tư thế, phát hiện đối tượng bằng khung bao định hướng (OBB) và theo dõi. Mỗi kích thước đều có model cho từng tác vụ, tạo nên tổng cộng 25 model mã nguồn mở làm nòng cốt cho các sản phẩm của Ultralytics. Các model này phù hợp với nhiều ứng dụng, từ tác vụ nhẹ trên thiết bị biên—nơi model YOLO11n mang lại hiệu quả ấn tượng—đến ứng dụng quy mô lớn cần model YOLO11l và YOLO11x.

Lần đầu tiên, Ultralytics giới thiệu các model dành cho doanh nghiệp, đánh dấu cột mốc quan trọng trong danh mục sản phẩm của chúng tôi; chúng tôi rất vui được chia sẻ những đổi mới này với người dùng. YOLO11 ra mắt năm model độc quyền được thiết kế riêng cho các ứng dụng thương mại. Các model doanh nghiệp này, dự kiến có mặt vào tháng tới, được huấn luyện trên tập dữ liệu độc quyền mới của Ultralytics gồm hơn 1 triệu hình ảnh, mang lại các model được huấn luyện trước mạnh mẽ hơn. Chúng được thiết kế cho những ứng dụng thực tế đòi hỏi cao như phân tích hình ảnh y khoa và xử lý ảnh vệ tinh, nơi phát hiện đối tượng chính xác là yếu tố then chốt.

Khám phá các tính năng thế hệ mới của Ultralytics YOLO11#

Giờ đã tìm hiểu những gì Ultralytics YOLO11 cung cấp, hãy cùng xem điều gì khiến YOLO11 trở nên đặc biệt.

Một trong những thách thức chính khi phát triển YOLO11 là tìm được sự cân bằng phù hợp giữa các ưu tiên xung đột: làm model nhỏ hơn, nhanh hơn và chính xác hơn. Như Glenn Jocher, Nhà sáng lập kiêm CEO của Ultralytics, giải thích: “Nghiên cứu và phát triển YOLO thực sự rất khó vì bạn muốn đi theo ba hướng khác nhau: muốn model nhỏ hơn, chính xác hơn, nhưng đồng thời cũng nhanh hơn trên các nền tảng khác nhau như CPU và GPU. Tất cả những mục tiêu này đều xung đột, nên bạn phải thỏa hiệp và lựa chọn những điểm cần thay đổi.” Bất chấp các thách thức này, YOLO11 đạt được sự cân bằng ấn tượng, cải thiện cả tốc độ lẫn độ chính xác so với các phiên bản trước như YOLOv8.

Hình 3. Ví dụ sử dụng Ultralytics YOLO11 để phát hiện đối tượng.

Ultralytics YOLO11 mang đến những cải tiến đáng kể như trích xuất đặc trưng tốt hơn nhờ thiết kế lại kiến trúc backbone và neck, giúp phát hiện đối tượng chính xác hơn. Model cũng được tối ưu về tốc độ và hiệu quả, rút ngắn thời gian xử lý mà vẫn duy trì độ chính xác cao. Bên cạnh những lợi ích này, YOLO11 có khả năng thích ứng cao trong nhiều môi trường, hoạt động trên thiết bị biên, nền tảng đám mây và hệ thống sử dụng GPU NVIDIA. Khả năng thích ứng này khiến model trở thành lựa chọn lý tưởng cho người dùng cần tùy chọn triển khai linh hoạt trên nhiều cấu hình phần cứng, từ thiết bị di động đến máy chủ quy mô lớn.

Ứng dụng Ultralytics YOLO11 thời gian thực#

Tính linh hoạt của Ultralytics YOLO11 khiến model trở thành công cụ đáng tin cậy trong nhiều ngành, đặc biệt khi xử lý các trường hợp sử dụng phức tạp. Chẳng hạn, model hoạt động hiệu quả trên thiết bị biên và có thể được dùng cho các ứng dụng cần phân tích thời gian thực trong môi trường có năng lực tính toán hạn chế. Lái xe tự hành là ví dụ điển hình, khi phương tiện cần đưa ra quyết định trong tích tắc để đảm bảo an toàn cho mọi người. YOLO11 hỗ trợ bằng cách phát hiện và phân tích đối tượng trên đường, chẳng hạn như người đi bộ hoặc xe khác, ngay cả trong điều kiện khó khăn như thiếu sáng hoặc vật thể bị che khuất một phần. Khả năng phát hiện nhanh và chính xác giúp ngăn ngừa tai nạn, đảm bảo xe tự lái di chuyển an toàn.

Hình 4. Glenn Jocher trên sân khấu tại YV24, nói về các ứng dụng của Ultralytics YOLO11.

Một ví dụ thú vị khác về tính linh hoạt của Ultralytics YOLO11 là khả năng xử lý khung bao định hướng (OBB). Khả năng này thiết yếu để phát hiện các đối tượng không được căn chỉnh hoàn hảo. Phát hiện đối tượng OBB đặc biệt hữu ích trong các ngành như nông nghiệp, lập bản đồ và giám sát, nơi hình ảnh thường có các đối tượng bị xoay như cây trồng hoặc tòa nhà trong ảnh hàng không hay ảnh vệ tinh. Khác với các model truyền thống, YOLO11 có thể nhận diện đối tượng ở mọi góc độ và đưa ra kết quả chính xác hơn nhiều cho những tác vụ đòi hỏi độ chính xác cao.

Ultralytics YOLO11 dành cho developer AI: Tự mình trải nghiệm#

Bắt đầu với YOLO11 thật đơn giản và dễ tiếp cận, dù bạn thích viết code hay chọn giải pháp không cần code. Để làm việc với YOLO11 bằng code, bạn có thể sử dụng package Ultralytics Python để dễ dàng huấn luyện và triển khai model. Nếu muốn tiếp cận không cần code, Ultralytics Platform cho phép bạn trải nghiệm YOLO11 chỉ với vài cú nhấp chuột.

Hướng dẫn từng bước về code Ultralytics YOLO11#

Để sử dụng YOLO11 với Python, trước tiên bạn cần cài đặt package Ultralytics. Tùy theo lựa chọn, bạn có thể cài đặt bằng pip, conda hoặc Docker. Để xem hướng dẫn chi tiết và các phương pháp hay nhất liên quan đến quy trình cài đặt, hãy tham khảo Hướng dẫn cài đặt Ultralytics. Nếu gặp khó khăn khi cài đặt các package cần thiết cho YOLO11, hãy xem Hướng dẫn xử lý sự cố thường gặp để tìm giải pháp và mẹo hữu ích.

Sau khi cài đặt gói Ultralytics, bạn có thể dễ dàng sử dụng YOLO11. Đoạn mã sau hướng dẫn bạn cách tải model, huấn luyện model, kiểm thử hiệu năng và xuất model sang định dạng ONNX. Để xem thêm ví dụ chuyên sâu và cách sử dụng nâng cao, hãy tham khảo tài liệu chính thức của Ultralytics, nơi có các hướng dẫn chi tiết và những phương pháp tối ưu để khai thác tối đa YOLO11.

Hình 5. Sử dụng YOLO11 thông qua package Ultralytics.

Với người dùng ưu tiên phương pháp không cần lập trình, Ultralytics Platform cung cấp cách đơn giản để huấn luyện và triển khai model YOLO11 chỉ với vài cú nhấp chuột. Để bắt đầu sử dụng Ultralytics Platform, chỉ cần tạo tài khoản trên Ultralytics Platform, sau đó bạn có thể huấn luyện và quản lý model thông qua giao diện trực quan.

Ultralytics YOLO11: Định hình tương lai của AI thị giác#

Cộng đồng AI không ngừng thúc đẩy lĩnh vực thị giác máy tính bằng nỗ lực phát triển các model nhanh hơn, chính xác hơn cho ứng dụng thực tế. Ultralytics YOLO11 là cột mốc quan trọng trong nỗ lực này, mang lại tốc độ, độ chính xác và tính linh hoạt được cải thiện. Model được thiết kế cho các ứng dụng thời gian thực và thiết bị biên, phù hợp với những ngành như chăm sóc sức khỏe và lái xe tự động. Dù sử dụng package Ultralytics Python hay Ultralytics Platform không cần code, YOLO11 đều đơn giản hóa các tác vụ AI thị giác phức tạp. Model cung cấp năng lực thị giác máy tính mạnh mẽ, là lựa chọn tuyệt vời cho developer và doanh nghiệp.

Hãy xem repository GitHub của chúng tôi và tham gia cộng đồng năng động để tìm hiểu thêm về AI. Khám phá cách AI thị giác thúc đẩy đổi mới trong các lĩnh vực như y tế và nông nghiệp.