Ultralytics YOLO11 đã xuất hiện! Định nghĩa lại những điều có thể trong AI!

Chúng tôi rất hào hứng giới thiệu thế hệ tiếp theo của Ultralytics models: YOLO11! Dựa trên những tiến bộ ấn tượng của các phiên bản model YOLO trước đó, YOLO11 mang đến hàng loạt tính năng và tối ưu hóa mạnh mẽ giúp model nhanh hơn, chính xác hơn và cực kỳ linh hoạt. Được công bố tại YOLO Vision 2024 (YV24) event, sự kiện kết hợp thường niên của Ultralytics dành cho các chuyên gia AI, nhà đổi mới và nhà phát triển, phiên bản bổ sung mới nhất này trong gia đình Ultralytics sẽ định nghĩa lại những gì có thể đạt được với computer vision.

Với kiến trúc đổi mới, Ultralytics YOLO11 có thể được sử dụng cho nhiều tác vụ computer vision khác nhau, từ phát hiện đối tượng thời gian thực đến phân loại, trở thành một bước đột phá cho cả nhà phát triển lẫn nhà nghiên cứu. Các cải tiến chính bao gồm trích xuất đặc trưng nâng cao để nắm bắt chi tiết chính xác hơn, độ chính xác cao hơn với ít tham số hơn và tốc độ xử lý nhanh hơn giúp cải thiện đáng kể hiệu suất thời gian thực. Trong bài viết này, chúng ta sẽ xem xét kỹ hơn các tính năng giúp YOLO11 nổi bật và cách nó có thể chuyển đổi các computer vision applications của bạn. Hãy cùng bắt đầu!

Hình 1. Glenn Jocher trên sân khấu, công bố Ultralytics YOLO11 tại sự kiện YOLO Vision 24.

Tìm hiểu về Ultralytics YOLO11#

YOLO11 đánh dấu một chương mới cho dòng YOLO, mang đến một model có năng lực và tính linh hoạt cao hơn, đưa computer vision lên những tầm cao mới. Với kiến trúc được tinh chỉnh và các khả năng nâng cao, model hỗ trợ các computer vision tasks như ước lượng tư thế và phân đoạn cá thể mà cộng đồng vision AI đã yêu thích ở Ultralytics YOLOv8, nhưng với hiệu suất và độ chính xác thậm chí còn lớn hơn. Glenn Jocher, Nhà sáng lập kiêm Giám đốc điều hành của Ultralytics, chia sẻ: “Với YOLO11, chúng tôi đặt mục tiêu phát triển một model mang lại cả sức mạnh lẫn tính thực tiễn cho các ứng dụng thế giới thực. Hiệu suất và độ chính xác được cải thiện của nó biến đây thành một công cụ mạnh mẽ có thể thích ứng với các thách thức độc đáo mà các ngành công nghiệp khác nhau phải đối mặt. Tôi rất nóng lòng muốn thấy cộng đồng Vision AI sử dụng YOLO11 như thế nào để tạo ra các giải pháp đổi mới và đưa computer vision lên cấp độ tiếp theo.”

Hình 2. Glenn Jocher trên sân khấu, công bố Ultralytics YOLO11 tại sự kiện YV24.

Dưới đây là tổng quan về các tác vụ computer vision mà Ultralytics YOLO11 hỗ trợ:

• Object detection: Xác định và định vị các đối tượng trong hình ảnh hoặc khung hình video, vẽ các bounding box xung quanh chúng cho các ứng dụng như surveillance, autonomous driving và retail analytics.
• Instance segmentation: Bao gồm việc nhận diện và tách biệt các đối tượng riêng lẻ trong hình ảnh xuống mức pixel. Tính năng này hữu ích cho các ứng dụng như medical imaging và phát hiện lỗi trong manufacturing.
• Image classification: Phân loại toàn bộ hình ảnh thành các lớp được định nghĩa trước, làm cho nó trở nên lý tưởng cho các ứng dụng như product categorization trong thương mại điện tử hoặc wildlife monitoring.
• Pose estimation: Phát hiện các điểm mấu chốt cụ thể trong hình ảnh hoặc khung hình video để theo dõi chuyển động hoặc tư thế, mang lại lợi ích cho các ứng dụng fitness tracking, sports analytics và healthcare.
• Oriented object detection (OBB): Phát hiện các đối tượng có góc định hướng, cho phép định vị chính xác hơn các đối tượng xoay, điều này đặc biệt có giá trị cho các tác vụ aerial imagery, robotics và warehouse automation.
• Object Tracking: Theo dõi và bám theo chuyển động của các đối tượng across consecutive video frames, làm cho nó trở nên thiết yếu đối với nhiều ứng dụng thời gian thực.

Fig 3. Các tác vụ Computer Vision được hỗ trợ bởi Ultralytics YOLO11.

Điều gì làm cho Ultralytics YOLO11 trở nên khác biệt?#

YOLO11 xây dựng dựa trên những tiến bộ được giới thiệu ở YOLOv9 và YOLOv10 vào đầu năm nay, kết hợp các thiết kế kiến trúc được cải thiện, kỹ thuật trích xuất đặc trưng nâng cao và phương pháp huấn luyện tối ưu hóa. Điều thực sự làm cho YOLO11 nổi bật là sự kết hợp ấn tượng giữa tốc độ, độ chính xác và hiệu quả, biến nó thành một trong những model có năng lực nhất mà Ultralytics từng tạo ra cho đến nay. Với thiết kế được cải tiến, YOLO11 cung cấp khả năng feature extraction tốt hơn, đây là quá trình xác định các mẫu và chi tiết quan trọng từ hình ảnh, giúp ghi lại các khía cạnh phức tạp chính xác hơn, ngay cả trong các kịch bản khó khăn.

Đáng chú ý, YOLO11m đạt được mean Average Precision (mAP) score cao hơn trên COCO dataset trong khi sử dụng ít hơn 22% số tham số so với YOLOv8m, làm cho nó nhẹ hơn về mặt tính toán mà không làm hy sinh hiệu suất. Điều này có nghĩa là nó mang lại kết quả chính xác hơn đồng thời chạy hiệu quả hơn. Hơn thế nữa, YOLO11 đem lại tốc độ xử lý nhanh hơn, với thời gian suy luận nhanh hơn khoảng 2% so với YOLOv10, rất lý tưởng cho các ứng dụng thời gian thực.

Fig 4. Sử dụng Ultralytics YOLO11 để phát hiện đối tượng.

Nó được xây dựng để xử lý các tác vụ phức tạp trong khi tiết kiệm tài nguyên hơn và được thiết kế để cải thiện hiệu suất của các model quy mô lớn, làm cho nó trở nên phù hợp tuyệt vời cho các dự án AI đòi hỏi khắt khe. Các cải tiến đối với augmentation pipeline cũng đã nâng cao quá trình training, giúp Ultralytics YOLO11 dễ dàng thích ứng với các tác vụ khác nhau hơn, cho dù bạn đang làm việc trên các dự án nhỏ hay ứng dụng quy mô lớn.

Trên thực tế, YOLO11 có hiệu suất cực kỳ cao về mặt sức mạnh tính xử lý và hoàn toàn phù hợp để deployment trên cả thiết bị đám mây và thiết bị biên, đảm bảo tính linh hoạt trên các môi trường khác nhau. Nói một cách đơn giản, YOLO11 không chỉ đơn thuần là một bản nâng cấp; nó là một model đáng kể chính xác hơn, hiệu quả hơn và linh hoạt hơn, được trang bị tốt hơn để xử lý mọi thách thức computer vision. Cho dù đó là autonomous driving, surveillance, healthcare imaging, smart retail hay industrial use cases, YOLO11 đều đủ linh hoạt để phục vụ cho hầu hết mọi ứng dụng computer vision.

Ultralytics YOLO11 sẵn sàng cho hệ thống và nền tảng của bạn#

Ultralytics YOLO11 được thiết kế để seamlessly integrate với các hệ thống và nền tảng mà bạn đang sử dụng. Dựa trên sự hỗ trợ từ YOLOv8, YOLO11 tương thích với nhiều môi trường khác nhau để training, testing, và deployment. Cho dù bạn đang làm việc với NVIDIA GPUs, edge devices, hay deploying on cloud, YOLO11 được tối ưu hóa để hòa hợp vào quy trình làm việc của bạn một cách dễ dàng.

Những tích hợp này là các tiện ích bổ sung tuyệt vời giúp YOLO11 có thể thích ứng với các ngành công nghiệp khác nhau, giúp businesses dễ dàng triển khai model vào các quy trình hiện có của họ. Ví dụ, giả sử bạn muốn sử dụng YOLO11 cho agriculture, cụ thể là cho crop monitoring. Bạn có thể cần triển khai model trên máyfly để xác định các vấn đề về sức khỏe cây trồng trong thời gian thực trên các cánh đồng rộng lớn. Tuy nhiên, nếu bạn làm trong lĩnh vực an ninh, bạn có thể thích sử dụng YOLO11 với hệ thống dựa trên đám mây để giám sát nhiều nguồn cấp dữ liệu camera nhằm object detection.

Fig 5. Sử dụng Ultralytics YOLO11 trong nông nghiệp.

Trao quyền cho cộng đồng AI với Ultralytics YOLO11#

Cộng đồng vision AI có thể mong đợi những tiến bộ thú vị với sự ra mắt của YOLO11. Nhờ độ chính xác và hiệu suất nâng cao, mô hình mới này có tiềm năng biến đổi các ứng dụng hiện có và tạo ra những ứng dụng mới. Một yếu tố chính trong sự tiến bộ này là Ultralytics HUB. Ultralytics HUB là một nền tảng thân thiện với người dùng, giúp đơn giản hóa việc huấn luyện và triển khai các mô hình YOLO, bao gồm cả YOLO11.

Hình 6. Chạy suy luận YOLO11 trên Ultralytics HUB.

Ultralytics HUB hợp lý hóa quy trình phát triển bằng cách cho phép người dùng tải lên các tập dữ liệu, truy cập vào một loạt các mô hình đã được huấn luyện trước và quản lý các dự án của họ ở cùng một nơi. HUB cũng hỗ trợ sự cộng tác, giúp các nhóm dễ dàng làm việc cùng nhau trên các dự án AI. Dưới đây là một số tính năng chính khác của Ultralytics HUB:

• Cloud training: Ultralytics HUB cung cấp khả năng huấn luyện model dựa trên đám mây liền mạch để đảm bảo khả năng mở rộng và hiệu quả.
• Pre-trained models: Nền tảng này cung cấp quyền truy cập vào nhiều model YOLOv5, YOLOv8 và YOLO11 được huấn luyện trước.
• Xuất mô hình: Các mô hình đã huấn luyện có thể được xuất sang nhiều định dạng khác nhau để triển khai.
• Integrations: Ultralytics HUB tích hợp liền mạch với các nền tảng như Roboflow, Google Colab và Weights & Biases.
• Tài liệu chi tiết: Ultralytics HUB cung cấp các hướng dẫn toàn diện và các câu hỏi thường gặp để hỗ trợ người dùng.
• Hỗ trợ cộng đồng: Một cộng đồng Discord tích cực luôn sẵn sàng cho các câu hỏi và thảo luận.

Với thiết kế trực quan của HUB, cả lập trình viên giàu kinh nghiệm lẫn người mới bắt đầu đều có thể nhanh chóng bắt đầu. Khi ngày càng có nhiều lập trình viên sử dụng Ultralytics YOLO11 thông qua HUB, chúng ta có thể mong đợi sự bùng nổ của các ứng dụng hiệu suất cao giúp đẩy xa ranh giới của computer vision và định hình tương lai của công nghệ AI.

Trải nghiệm thực tế với Ultralytics YOLO11#

Giống như YOLOv8, YOLO11 sẽ sớm có sẵn để dùng thử thông qua Ultralytics HUB và Ultralytics Python package. Bạn có thể đăng nhập vào Ultralytics HUB hoặc xem quickstart guide của chúng tôi để có hướng dẫn từng bước về cách cài đặt gói. Sau khi phát hành, bạn sẽ có thể khám phá các tính năng của nó, thử nghiệm với các datasets khác nhau và xem YOLO11 hoạt động như thế nào trong các kịch bản khác nhau. Chúng tôi rất nóng lòng được thấy cộng đồng AI tương tác với YOLO11 bằng cách contributing vào sự phát triển của nó, cung cấp phản hồi hoặc xây dựng dựa trên nó.

Cho dù bạn là nhà phát triển muốn tối ưu hóa các dự án hiện có hay người quan tâm đến việc tạo các ứng dụng mới, sự tham gia của bạn có thể thúc đẩy đổi mới. Tham gia thảo luận, chia sẻ kinh nghiệm và cộng tác với những người khác để khai thác toàn bộ tiềm năng của Ultralytics YOLO11. Chúng tôi rất hào hứng khi thấy bạn sử dụng YOLO11 để giải quyết các thách thức trong thế giới thực và hiện thực hóa các ý tưởng sáng tạo của mình!

Một chương mới bắt đầu với Ultralytics YOLO11#

Ultralytics YOLO11 là bước tiến tiếp theo trong computer vision, kết hợp độ chính xác, tốc độ và hiệu quả ấn tượng. Được công bố tại YV24, các tính năng nâng cao của nó làm cho nó trở nên linh hoạt cho các ứng dụng thời gian thực khác nhau, từ phương tiện tự hành đến các giải pháp bán lẻ thông minh. Khi cộng đồng AI bắt đầu khám phá và sử dụng model này, chúng tôi rất hào hứng được chứng kiến những cách sáng tạo mà YOLO11 sẽ thúc đẩy đổi mới và mang lại những khả năng mới. Nếu bạn đang tìm kiếm để khám phá những tiến bộ mới nhất trong AI, hãy dùng thử YOLO11 và xem cách nó có thể nâng tầm các dự án computer vision của bạn!

Để tìm hiểu thêm về AI, hãy truy cập GitHub repository của chúng tôi và tham gia our active community. Khám phá cách AI đang có những bước tiến lớn trong các lĩnh vực như healthcare và agriculture.