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

Chúng tôi vô cùng hào hứng giới thiệu bước tiến tiếp theo của các mô hình Ultralytics: YOLO11! Dựa trên những tiến bộ ấn tượng của các phiên bản mô hình YOLO trước đó, YOLO11 mang đến hàng loạt tính năng mạnh mẽ và các tối ưu hóa giúp nó nhanh hơn, chính xác hơn và cực kỳ linh hoạt. Được công bố tại sự kiện YOLO Vision 2024 (YV24), buổi gặp mặt kết hợp thường niên của Ultralytics dành cho các chuyên gia, nhà đổi mới và lập trình viên AI, thành viên mới nhất trong gia đình Ultralytics này được thiết lập để định nghĩa lại những gì có thể thực hiện với computer vision.

Với kiến trúc đột phá, 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, tạo nên sự thay đổi lớn cho cả lập trình viên và nhà nghiên cứu. Những cải tiến quan trọng bao gồm khả năng trích xuất đặc trưng (feature extraction) 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 khiến YOLO11 trở nên nổi bật và cách nó có thể thay đổi các ứng dụng computer vision của bạn. Hãy bắt đầu thôi!

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

Link to this sectionLàm quen với YOLO11#

YOLO11 đánh dấu một chương mới cho gia đình YOLO, cung cấp một mô hình mạnh mẽ và linh hoạt hơn, đưa computer vision lên những tầm cao mới. Với kiến trúc tinh chỉnh và các khả năng nâng cao, mô hình hỗ trợ các tác vụ computer vision như pose estimation và instance segmentation mà cộng đồng vision AI đã rất yêu thích ở Ultralytics YOLOv8, nhưng với hiệu suất và độ chính xác thậm chí còn cao hơn. Glenn Jocher, Nhà sáng lập và CEO của Ultralytics, chia sẻ: “Với YOLO11, chúng tôi đã đặt mục tiêu phát triển một mô hình mang lại cả sức mạnh lẫn tính thực tiễn cho các ứng dụng thực tế. Hiệu suất và độ chính xác được cải thiện khiến nó trở thành một công cụ mạnh mẽ có thể thích ứng với những thách thức độc đáo mà các ngành công nghiệp khác nhau phải đối mặt. Tôi rất nóng lòng được thấy cộng đồng Vision AI sử dụng YOLO11 để tạo ra các giải pháp sáng tạo và đưa computer vision lên một tầm cao mới.”

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

Dưới đây là sơ lược về các tác vụ computer vision mà YOLO11 hỗ trợ:

• Object detection: Xác định và định vị các đối tượng trong hình ảnh hoặc khung hình video, vẽ bounding box xung quanh chúng cho các ứng dụng như giám sát, lái xe tự động và phân tích bán lẻ.
• Instance segmentation: Bao gồm việc nhận diện và tách biệt các đối tượng riêng lẻ trong một hình ảnh xuống đến cấp độ pixel. Nó hữu ích cho các ứng dụng như chẩn đoán hình ảnh y tế và phát hiện lỗi trong sản xuất.
• Image classification: Phân loại toàn bộ hình ảnh thành các lớp xác định trước, làm cho nó trở nên lý tưởng cho các ứng dụng như phân loại sản phẩm trong thương mại điện tử hoặc theo dõi động vật hoang dã.
• Pose estimation: Phát hiện các điểm chính xác định trong hình ảnh hoặc khung hình video để theo dõi chuyển động hoặc tư thế, có lợi cho các ứng dụng theo dõi sức khỏe, phân tích thể thao và chăm sóc sức khỏe.
• Oriented object detection (OBB): Phát hiện các đối tượng với góc định hướng, cho phép định vị chính xác hơn các đối tượng bị xoay, điều này đặc biệt có giá trị cho các tác vụ hình ảnh trên không, robotics và tự động hóa kho bãi.
• Object Tracking: Giám sát và theo dõi sự di chuyển của các đối tượng qua các khung hình video liên tiếp, làm cho nó trở nên thiết yếu cho nhiều ứng dụng thời gian thực.

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

Link to this sectionĐiều gì làm cho YOLO11 trở nên khác biệt?#

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

Đáng chú ý, YOLO11m đạt điểm trung bình chính xác (mAP) cao hơn trên tập dữ liệu COCO trong khi sử dụng ít hơn 22% tham số so với YOLOv8m, giúp nó nhẹ hơn về mặt tính toán mà không làm giảm hiệu suất. Điều này có nghĩa là nó mang lại kết quả chính xác hơn trong khi chạy hiệu quả hơn. Ngoài ra, YOLO11 mang lại tốc độ xử lý nhanh hơn, với thời gian suy luận (inference) nhanh hơn khoảng 2% so với YOLOv10, làm cho nó trở nên lý tưởng cho các ứng dụng thời gian thực.

Hình 4. Sử dụng YOLO11 cho object detection.

Nó được xây dựng để xử lý các tác vụ phức tạp trong khi vẫn tiết kiệm tài nguyên và được thiết kế để cải thiện hiệu suất của các mô hình 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 đường ống tăng cường dữ liệu (augmentation pipeline) cũng đã cải thiện quá trình huấn luyện, giúp YOLO11 dễ dàng thích nghi với các tác vụ khác nhau, cho dù bạn đang thực hiện các dự án nhỏ hay các ứng dụng quy mô lớn.

Trên thực tế, YOLO11 có hiệu suất rất cao về sức mạnh xử lý và hoàn toàn phù hợp để triển khai trên cả thiết bị đám mây và thiết bị biên, đảm bảo tính linh hoạt trong các môi trường khác nhau. Nói một cách đơn giản, YOLO11 không chỉ là một bản nâng cấp; đó là một mô hình chính xác, hiệu quả và linh hoạt hơn đáng kể, được trang bị tốt hơn để xử lý mọi thách thức về computer vision. Cho dù đó là lái xe tự động, giám sát, chẩn đoán hình ảnh y tế, bán lẻ thông minh hay các trường hợp sử dụng trong công nghiệp, YOLO11 đủ linh hoạt để phục vụ gần như mọi ứng dụng computer vision.

Link to this sectionYOLO11 đã sẵn sàng cho hệ thống và nền tảng của bạn#

YOLO11 được thiết kế để tích hợp liền mạch với các hệ thống và nền tảng mà bạn đang sử dụng. Dựa trên sự hỗ trợ được cung cấp bởi YOLOv8, YOLO11 tương thích với nhiều môi trường để huấn luyện, kiểm thử và triển khai. Cho dù bạn đang làm việc với NVIDIA GPU, thiết bị biên hay triển khai trên đám mây, YOLO11 đều được tối ưu hóa để phù hợp với quy trình làm việc của bạn một cách dễ dàng.

Những tích hợp này là các tiện ích bổ sung tuyệt vời giúp YOLO11 thích ứng với các ngành công nghiệp khác nhau, giúp các doanh nghiệp dễ dàng triển khai mô hình vào các quy trình hiện có của họ. Ví dụ, giả sử bạn muốn sử dụng YOLO11 cho nông nghiệp, cụ thể là để giám sát cây trồng. Bạn có thể cần triển khai mô hình trên máy bay không người lái (drones) để xác định các vấn đề về sức khỏe cây trồng trong thời gian thực trên các cánh đồng 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 cho object detection.

Hình 5. Sử dụng YOLO11 trong nông nghiệp.

Link to this sectionTrao quyền cho cộng đồng AI với 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:

• Huấn luyện trên đám mây: Ultralytics HUB cung cấp khả năng huấn luyện mô hình dựa trên đám mây liền mạch để đảm bảo khả năng mở rộng và hiệu suất.
• Các mô hình đã được huấn luyện trước: Nền tảng cung cấp quyền truy cập vào nhiều mô hình YOLOv5, YOLOv8 và YOLO11 đã 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.
• Tích hợp: 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 các lập trình viên giàu kinh nghiệm và người mới bắt đầu đều có thể bắt đầu nhanh chóng. Khi ngày càng có nhiều lập trình viên sử dụng YOLO11 thông qua HUB, chúng ta có thể mong đợi sự gia tăng của các ứng dụng hiệu suất cao giúp đẩy xa các giới hạn của computer vision và định hình tương lai của công nghệ AI.

Link to this sectionTrải nghiệm thực tế với YOLO11#

Cũng giống như YOLOv8, YOLO11 sẽ sớm có sẵn để thử nghiệm thông qua Ultralytics HUB và gói Ultralytics Python. Bạn có thể đăng nhập vào Ultralytics HUB hoặc xem hướng dẫn khởi động nhanh (quickstart guide) của chúng tôi để biết hướng dẫn từng bước về cách cài đặt gói. Sau khi được phát hành, bạn sẽ có thể khám phá các tính năng của nó, thử nghiệm với các tập dữ liệu khác nhau và xem YOLO11 hoạt động như thế nào trong nhiều tình huống khác nhau. Chúng tôi rất nóng lòng được thấy cộng đồng AI tham gia với YOLO11 bằng cách đóng góp vào quá trình phát triển, cung cấp phản hồi hoặc xây dựng dựa trên nó.

Cho dù bạn là một lập trình viên đang tìm cách tối ưu hóa các dự án hiện có hay một người quan tâm đến việc tạo ra các ứng dụng mới, sự tham gia của bạn có thể giúp thúc đẩy sự đổi mới. Hãy tham gia các cuộc thảo luận, chia sẻ kinh nghiệm của bạn và cộng tác với những người khác để mở khóa toàn bộ tiềm năng của YOLO11. Chúng tôi rất hào hứng được thấy cách bạn sử dụng YOLO11 để giải quyết các thách thức thực tế và biến các ý tưởng sáng tạo của mình thành hiện thực!

Link to this sectionMột chương mới bắt đầu với YOLO11#

YOLO11 là bước tiến tiếp theo trong computer vision, kết hợp độ chính xác, tốc độ và hiệu suất ấn tượng. Được công bố tại YV24, các tính năng nâng cao của nó làm cho nó trở nên linh hoạt cho nhiều ứng dụng thời gian thực, từ các phương tiện tự lái đến các giải pháp bán lẻ thông minh. Khi cộng đồng AI bắt đầu khám phá và sử dụng mô hình này, chúng tôi rất hào hứng được thấy những cách sáng tạo mà YOLO11 sẽ thúc đẩy sự đổi mới và mang đến những khả năng mới cho cuộc sống. Nếu bạn đang muốn khám phá những tiến bộ mới nhất trong AI, hãy thử dùng 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 kho lưu trữ GitHub của chúng tôi và tham gia cộng đồng năng động của chúng tôi. Khám phá cách AI đang tạo ra những bước tiến trong các lĩnh vực như chăm sóc sức khỏe và nông nghiệp.