Ultralytics YOLO Vision 2024 的核心亮点！

9月27日，Ultralytics 汇聚了 AI 和 computer vision 社区，举办了令人兴奋的年度混合活动 YOLO Vision 2024 (YV24)。活动在马德里的 Google for Startups Campus 举办并向全球直播，汇聚了专家、开发者和爱好者，共同探讨视觉 AI 的最新进展，例如全新的 Ultralytics YOLO11 model。该活动的直播观看量已超过 5,400 次，曝光量超过 10,600 次，观看时长达 469.5 小时，吸引了世界各地的创新者参与。

YV24 在主持人 Oisin Lunny 的热情欢迎中拉开帷幕，他强调了社区和连接的重要性，并表示：“我坚信伟大创意和 great communities 的力量，Ultralytics 通过 YOLO Vision 创造的正是这样一个汇聚了拥有伟大创意的优秀人才的 great community。”

在本文中，我们将盘点 YOLO Vision 2024 的核心亮点，从engaging panel discussions到引人入胜的 use cases of computer vision现实应用。我们还将探讨涵盖从边缘 AI 到hardware acceleration的技术讲座，以及成就此次活动成功的社交和社区建设时刻。无论你是对 AI 创新、重大发布还是视觉 AI 的未来感兴趣，这篇 YOLO Vision 2024 活动回顾都涵盖了所有核心要点！

Ultralytics YOLO11 在 YOLO Vision 的发布#

teased before YOLO Vision 2024的产品发布最终在 Ultralytics 创始人兼 CEO Glenn Jocher 的开场主题演讲中正式宣布。Glenn 推出了 Ultralytics YOLO11，标志着经过数月开发的新一代 computer vision models的到来。为了增添发布会的兴奋感，Glenn 随后接受了 The Ravit Show 的采访，并分享了关于 development of YOLO11的见解。

在主题演讲中，Glenn 还分享了公司的发展历程，从他的粒子物理学背景谈起，讲述了他对理解宇宙的迷恋最终如何引领他走向machine learning and computer vision。

图 1. Glenn Jocher 在 YOLO Vision 2024 舞台上正式宣布了 Ultralytics YOLO11。

他解释说，他早期的物理学工作（研究人员分析粒子相互作用）与计算机视觉中的 object detection 非常相似。他的好奇心和对前沿技术的追求最终促成了 Ultralytics YOLOv5 的诞生。在整个演讲中，Glenn 强调了合作和在contributing within the open-source社区中贡献力量的重要性，并感谢了全球开发者长期以来提供的反馈以及对改进 YOLOv5 和 Ultralytics YOLOv8 的帮助。

随后，他介绍了 key features of Ultralytics YOLO11，并解释说它比以往的模型更快、更准确、更高效。事实上，YOLO11m 比 YOLOv8m 减少了 22% 的参数，同时在 COCO dataset 上提供了更好的准确率，这使得 YOLO11 非常适合对速度和准确率有极高要求的实时应用。

Glenn 强调了此次发布会的规模，他说道：“我们总共发布了 30 个模型，其中 25 个是开源的，针对 5 个不同的 tasks 提供了 5 种不同的大小。这些任务包括 image classification、object detection、instance segmentation、pose estimation 和 oriented bounding boxes。”在企业业务方面，他宣布下个月将推出基于包含 100 万张图像的专有 dataset 训练出的强大模型。不用说，这一发布为活动开了一个好头，让与会者渴望深入了解 YOLO11’s potential，以在manufacturing和self-driving cars等领域进行创新。

YOLO Vision 的小组讨论：一场 AI 会议#

由 Oisin Lunny 主持的 YOLO Vision 2024 小组讨论为 AI、computer vision 和社区建设提供了丰富的见解。

第一场小组讨论的嘉宾包括 Glenn Jocher、Jing Qiu（Ultralytics 中 YOLO 模型开发的关键人物）以及来自Tsinghua University的 YOLOv10 共同作者 Ao Wang。小组讨论了recent developments in generative AI和 computer vision，重点探讨它们的相似之处、区别以及各自领域对彼此的影响。尽管最近rise of large language models (LLMs)崛起，小组指出传统计算机视觉对于healthcare等行业的特定任务依然不可或缺。

接下来的小组讨论了challenges women face in AI leadership，嘉宾包括：Ultralytics 增长总监 Paula Derrenger、SaaS 前 CPO 兼 COO Bruna de Guimarães、Latinas in Tech 马德里分会负责人 Mariana Hernandez，以及 Dare to Data 创始人 Christina Stathopoulous。她们分享了自己的经历，同时讨论了导师制度的重要性以及女性在寻求领导角色时采取积极主动态度的必要性。Hernandez 建议：“要积极主动，不要坐等事情发生”，并鼓励台下的女性自信地展现自我，积极追求机遇。小组还讨论了营造更具支持性的工作环境的价值。

图 2. 科技女性小组讨论，从左至右：Christina Stathopoulous、Paula Derrenger、Mariana Hernandez、Oisin Lunny，Bruna de Guimarães 远程参会。

最后一场小组讨论探讨了建立强大的社区如何促进 AI 创新。Burhan Qaddoumi、Harpreet Sahota 和 Bart Farrell 探讨了在网上和线下活动中与技术受众互动的途径。Farrell 的见解“你必须在他们所在的地方与他们会面（You got to meet them where they are at）”强调了以社区成员接受的方式与他们建立联系以鼓励合作和共享学习的重要性。

图 3. 社区建设小组讨论，从左至右：Harpreet Sahota、Burhan Qaddoumi、Bart Farrell 和 Oisin Lunny。

YOLO Vision 上 AI 创新的现实案例#

YV24 上的几场演讲阐述了 YOLO 模型如何应用于解决各个行业中的现实挑战。AI Master Group podcast 的主持人 Jim Griffin 谈到一个项目，该项目使用 Ultralytics YOLOv8 models to monitor shark movements 通过无人机监控监测加州海岸线的鲨鱼活动。该系统通过在海洋上方 200 英尺处检测鲨鱼，向救生员、冲浪店老板和家长发出警报，从而确保海滩游客的安全。Griffin 解释说，真正的挑战并非 AI 模型本身，而是训练模型所需的广泛无人机飞行和数据收集。

图 4. Jim Griffin 分享了如何使用无人机通过 Ultralytics YOLOv8 来监测加利福尼亚海岸线的鲨鱼活动。

同样，来自 The Main Branch 的 David Scott 讨论了计算机视觉从简单的对象检测向行为分析的扩展。他的演讲展示了诸如 tracking cattle behavior 和 identifying suspicious activities in retail stores 等现实应用。Scott 分享了如何利用 YOLOv8 通过分析进食、饮水和行走等特定行为来监测牛的健康状况。

此外，NASCO Feeding Minds 的 Ousman Umar 发表了一场特别感人的主题演讲，他分享了他的组织如何在加纳提供 IT education 来改变人们的生活。他的基金会已经建立了 17 个 ICT 中心，培训了超过 65,000 名学生，其目标是创造本地科技就业机会，以帮助解决非法移民等问题。Umar 充满力量的故事传达了 education and technology 结合如何推动弱势社区的持久变革。

技术讲座：YOLO Vision 演讲亮点#

YV24 还举办了多场专注于 AI 与硬件如何融合以激发新创意的演讲。来自 Intel、Sony 和 NVIDIA 等公司的专家探讨了在边缘设备上部署 YOLO 模型以及优化性能。来自 Intel 的 Dmitriy Pastushenkov 和 Adrian Boguszewski Intel outlined how their hardware supports YOLO models 阐述了他们的硬件如何在 NPU、CPU 和 GPU 上支持 YOLO 模型，而 Sony 的 Amir Servi 和 Wei Tang 则分享了 YOLO 如何与 AITRIOS 平台集成以实现高效的边缘 AI 部署。来自 NVIDIA 的 Guy Dahan 谈到了利用他们的 GPU 架构来改善 YOLO 模型推理。

图 5. Guy Dahan 谈论使用 NVIDIA 的 GPU 架构优化 YOLO 模型推理。

像 Qualcomm、Hugging Face 和 Lightning AI 等其他公司也展示了他们的平台如何让开发者更轻松地集成和部署 YOLO 模型。来自 Qualcomm 的 Devang Aggarwal 介绍了如何通过 Qualcomm AI Hub 将诸如 Ultralytics YOLOv8 之类的模型针对 Snapdragon 设备进行优化。

同样，来自 Hugging Face 的 Pavel Lakubovskii 介绍了他们的开源工具如何实现诸如 Ultralytics YOLOv8 之类的模型无缝集成到各种工作流中，而来自 Lightning AI 的 Luca Antiga 则向我们演示了开发人员如何在代码级别轻松融入类似 YOLOv8 的模型，以实现更快的原型设计和迭代。

马德里的一周：YOLO Vision 社交会议#

在 YV24 活动开始前的一周，Ultralytics 团队齐聚马德里，参加了一系列研讨会、协作会议和场外活动。这些活动不仅限于工作，还培养了更稳固的关系，并在活动前营造了积极的氛围。最后以一场庆祝性的会后派对结束，与会者和演讲者有机会进行交流、分享关键收获并探讨未来的合作。团队合作与情谊的结合使 YV24 成为了一次职业上的成功和全方位难忘的体验。

图 6. Ultralytics 团队在 YOLO Vision 2024 度过了精彩的一天并庆祝活动圆满成功。

YOLO Vision 的 AI 创新与未来展望#

YV24 汇集了创新、协作以及对计算机视觉未来的展望。随着 YOLO11 的发布、引人入胜的小组讨论以及关于 AI 硬件和边缘解决方案的探讨，本次活动重点关注了视觉 AI 如何产生影响，以及技术如何随 AI 的进步而演变。它还加强了社区内的联系。专家和爱好者分享了想法，并探索了计算机视觉和 YOLO 的潜力。活动以一场有趣的问答环节结束，奖品是 Ultralytics 连帽衫，让大家对未来 YOLO11 等更多创新充满期待。

访问我们的 GitHub repository 并与 our thriving community 建立联系，以了解有关 AI 的更多信息。了解视觉 AI 如何重新定义healthcare和agriculture等领域的创新。🚀