Ultralytics YOLO27:
活动

Ultralytics 在 YOLO Vision 2024 上的精彩亮点!

探索 Ultralytics 年度活动的亮点,重温 YOLO Vision 混合活动体验。我们将介绍 Ultralytics YOLO11 的发布、精彩的专题讨论及更多内容。

ABAbirami Vina6 min read
Ultralytics YOLO Vision 2024 的精彩亮点

9 月 27 日,Ultralytics 汇聚了 AI 和计算机视觉社区,举办了令人期待的年度混合活动YOLO Vision 2024 (YV24)。活动在马德里的 Google for Startups Campus 举办,并向全球进行直播,汇集了专家、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 模型。活动直播目前已获得超过 5,400 次观看、超过 10,600 次展示和 469.5 小时观看时长,吸引了世界各地的创新者。

YV24 以主持人Oisin Lunny的热情欢迎拉开帷幕。他这样说道,强调了社区与连接的重要性:“我坚信伟大创意和伟大社区的力量,而 Ultralytics 通过YOLO Vision所创建的正是这样的——一个由优秀人才和伟大创意组成的伟大社区。”

本文将重点介绍 YOLO Vision 2024 的主要亮点,从引人入胜的小组讨论到精彩的计算机视觉现实世界应用案例。我们还将探讨从边缘 AI 到硬件加速的技术演讲,以及让活动取得成功的交流和社区建设环节。无论你关注 AI 创新、重要公告,还是视觉 AI 的未来,这篇 YOLO Vision 2024 活动回顾都涵盖了所有关键要点!

Ultralytics YOLO11 在 YOLO Vision 上发布#

此前在 YOLO Vision 2024 之前预告的产品发布,终于在开场主题演讲中由 Ultralytics 创始人兼 CEO Glenn Jocher正式揭晓。Glenn 介绍了Ultralytics YOLO11,标志着新一代计算机视觉模型的诞生;该模型已开发数月之久。为了进一步提升发布的热度,Glenn 随后接受了The Ravit Show的采访,并分享了有关YOLO11 开发的见解。

在主题演讲中,Glenn 还分享了公司的发展历程:从他在粒子物理学领域的经历讲起,讲述了他对理解宇宙的着迷如何最终引领他投身于机器学习和计算机视觉

Glenn Jocher 在 YOLO Vision 2024 现场宣布 Ultralytics YOLO11

图 1. Glenn Jocher 在 YOLO Vision 2024 现场正式宣布了 Ultralytics YOLO11。

他解释说,自己早期从事物理学研究时,研究人员会分析粒子之间的相互作用,这与计算机视觉中的目标检测类似。他对前沿技术的好奇心和探索动力最终促成了Ultralytics YOLOv5的诞生。在演讲中,Glenn 强调了协作以及在开源社区中贡献力量的重要性,并感谢世界各地的开发者 לאורך时间为 YOLOv5 和Ultralytics YOLOv8提供反馈并帮助其不断改进。

随后,他介绍了Ultralytics YOLO11 的主要特性,并解释说,与之前的模型相比,它速度更快、准确率更高、效率也更高。事实上,YOLO11m 比 YOLOv8m 少使用 22% 的参数,却在COCO 数据集上实现了更高的准确率,因此 YOLO11 非常适合实时应用,因为在这类应用中,速度和准确率至关重要。

Glenn 这样强调此次发布的规模:“我们总共发布 30 个模型,其中 25 个是开源模型,分别针对五种不同的任务提供五种不同的尺寸。这些任务包括图像分类目标检测实例分割姿态估计有向边界框。”在企业服务方面,他宣布下个月将提供使用包含 100 万张图像的专有数据集训练的强大模型。不言而喻,这一公告为活动带来了一个振奋人心的开端,让与会者迫不及待地想进一步了解 YOLO11 在制造业自动驾驶汽车等领域进行创新的潜力

YOLO Vision 小组讨论:一场 AI 会议#

由 Oisin Lunny 主持的 YOLO Vision 2024 小组讨论,为 AI、计算机视觉和社区建设带来了多方面的见解。

第一场讨论会邀请了 Glenn Jocher、Jing Qiu(Ultralytics YOLO 模型开发领域的重要人物)以及来自清华大学的 Ao Wang,后者是 YOLOv10 的共同作者。讨论会探讨了生成式 AI 的最新发展计算机视觉,重点关注两者的相似之处、差异,以及各自对对方领域产生的影响。尽管大型语言模型(LLMs)的兴起方兴未艾,讨论会指出,传统计算机视觉对于医疗保健等行业中的特定任务仍然至关重要。

下一场小组讨论聚焦于女性在 AI 领导岗位上面临的挑战。发言嘉宾包括:Ultralytics 增长总监Paula Derrenger、SaaS 行业前 CPO 和 COO Bruna de GuimarãesLatinas 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,同时讨论了导师指导的重要性,以及女性主动寻求领导岗位的必要性。Hernandez 建议道:“要主动,不要等待事情为你发生”,并鼓励现场女性勇于表达自己,积极争取机会。小组还讨论了营造更具支持性的工作环境的价值。

YOLO Vision 2024 上关于科技行业女性的小组讨论

图 2. 关于科技行业女性的小组讨论,从左到右:Christina Stathopoulous、Paula Derrenger、Mariana Hernandez、Oisin Lunny,Bruna de Guimarães 通过远程方式参加。

最后一场小组讨论探讨了如何通过建设强大的社区来促进 AI 创新。Burhan QaddoumiHarpreet SahotaBart Farrell讨论了如何在线上及线下活动中与技术受众互动。Farrell 的观点“你得在他们所在的地方与他们见面”,强调了按照社区成员的方式与其建立联系,从而促进协作和共同学习的重要性。

YOLO Vision 2024 上关于社区建设的小组讨论

图 3. 关于社区建设的小组讨论,从左到右:Harpreet Sahota、Burhan Qaddoumi、Bart Farrell 和 Oisin Lunny。

YOLO Vision 上 AI 创新的现实案例#

YV24 的多场演讲揭示了 YOLO 模型如何应用于解决各个行业中的现实挑战。AI Master Group 播客主持人 Jim Griffin介绍了一个项目:通过无人机监控,使用 Ultralytics YOLOv8 模型监测加利福尼亚海岸线附近的鲨鱼活动。该系统从海面上方 200 英尺处检测鲨鱼,并向救生员、冲浪用品店店主和家长发出警报,保障海滩游客的安全。Griffin 解释说,真正的挑战并不在于 AI 模型本身,而在于为收集数据训练模型所需的大量无人机飞行。

Jim Griffin 分享如何使用无人机通过 Ultralytics YOLOv8 监测鲨鱼活动

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

同样,来自The Main BranchDavid Scott讨论了计算机视觉如何从简单的目标检测扩展到行为分析。他的演讲介绍了跟踪牛群行为识别零售店中的可疑活动等现实世界应用。Scott 分享了如何通过分析进食、饮水和行走等特定行为,使用 YOLOv8 监测牛群健康状况。

此外,NASCO Feeding MindsOusman Umar发表了一场特别感人的主题演讲,分享了他的组织如何通过在加纳提供IT 教育来改变人们的生活。他的基金会已经建立了 17 个 ICT 中心,为超过 65,000 名学生提供培训,目标是创造本地科技就业机会,帮助解决非法移民等问题。Umar 感人至深的故事传达了教育与技术如何共同推动服务不足社区实现持久改变。

技术演讲:YOLO Vision 演讲嘉宾亮点#

YV24 还安排了不同的演讲,重点探讨 AI 与硬件如何结合,激发新的创意。来自 IntelSonyNVIDIA 等公司的专家,分享了如何在边缘设备上部署 YOLO 模型并优化性能。Intel 的 Dmitriy PastushenkovAdrian Boguszewski 介绍了其硬件如何在 NPU、CPU 和 GPU 上支持 YOLO 模型;Sony 的 Amir ServiWei Tang 则分享了 YOLO 如何与 AITRIOS 平台集成,从而高效部署边缘 AI。NVIDIA 的 Guy Dahan 介绍了如何利用其 GPU 架构来提升 YOLO 模型的推理性能。

Guy Dahan 介绍如何使用 NVIDIA GPU 优化 YOLO 推理

图 5. Guy Dahan 介绍如何利用 NVIDIA 的 GPU 架构优化 YOLO 模型推理。

QualcommHugging FaceLightning AI等其他公司也展示了其平台如何帮助开发者更轻松地集成和部署 YOLO 模型。Qualcomm 的Devang Aggarwal介绍了如何通过 Qualcomm AI Hub 针对 Snapdragon 设备优化 Ultralytics YOLOv8 等模型。

同样,Hugging Face 的Pavel Lakubovskii介绍了其开源工具如何将 Ultralytics YOLOv8 等模型无缝集成到各种工作流中,而 Lightning AI 的Luca Antiga则演示了开发者如何在代码层面轻松集成 YOLOv8 等模型,从而更快地进行原型开发和迭代。

马德里的一周:YOLO Vision 交流活动#

在 YV24 前一周,Ultralytics 团队齐聚马德里,参加了一系列研讨会、协作会议和外出活动。这些活动不止于工作,还增进了彼此的关系,并为活动前夕营造了积极的氛围。在庆祝性的后派对中收尾时,与会者和演讲嘉宾有机会交流、分享关键收获,并探索未来的合作机会。团队协作与同事情谊相结合,使 YV24 在专业层面取得成功,也成为一次令人难忘的全方位体验。

Ultralytics 团队在 YOLO Vision 2024 上庆祝

图 6. Ultralytics 团队在 YOLO Vision 2024 庆祝精彩的一天。

YOLO Vision 的 AI 创新与未来展望#

YV24 汇聚了创新与协作,也展望了计算机视觉的未来。活动发布了 YOLO11,安排了引人入胜的小组讨论,并探讨了 AI 硬件和边缘解决方案,重点关注视觉 AI 如何发挥作用,以及技术如何随 AI 的进步不断发展。活动还加强了社区内部的联系。专家和爱好者分享想法,探索计算机视觉和 YOLO 的潜力。活动最后以一场有趣的问答环节收尾,参与者有机会赢取 Ultralytics 连帽衫,也让所有人更加期待未来 YOLO11 等创新成果。

访问我们的GitHub 代码仓库,并加入我们蓬勃发展的社区,了解更多 AI 相关信息。看看 Vision AI 如何在医疗保健农业等领域重新定义创新。🚀

Explore solutions

用于航拍影像的计算机视觉

用于航拍影像的计算机视觉

使用 Ultralytics YOLO 将无人机和航拍影像转化为针对农业、水产养殖、环境监测、自然保护及地理空间分析的实时洞察。
了解更多
航空航天中的计算机视觉

航空航天中的计算机视觉

借助 Ultralytics YOLO 模型将视觉 AI 引入空中监测。使用计算机视觉解决方案赋能无人机、航空航天工作流、环境保护与地理空间行业。
了解更多

使用 Ultralytics YOLO 模型保护每个站点。视觉 AI 赋能周界监控、威胁检测、车牌识别和工作场所安全。
了解更多
机器人计算机视觉

机器人计算机视觉

借助 Ultralytics YOLO 模型打造更智能的机器。机器人技术中的视觉 AI 可实现自主导航、感知、目标跟踪和实时控制。
了解更多
物流计算机视觉

物流计算机视觉

使用 Ultralytics YOLO 模型提升物流效率。视觉 AI 可实现包裹检测、分拣、车辆跟踪和仓库安全实时监控。
了解更多
零售计算机视觉

零售计算机视觉

使用 Ultralytics YOLO 模型重新构想零售。视觉 AI 为库存跟踪、货架监控、队列管理和更智能的客户洞察提供支持。
了解更多
医疗领域的计算机视觉

医疗领域的计算机视觉

使用 Ultralytics YOLO 模型构建医疗解决方案。医疗领域的视觉 AI 可实现更快的医学影像处理、更智能的诊断和患者监护。
了解更多
制造业中的计算机视觉

制造业中的计算机视觉

使用 Ultralytics YOLO 模型优化制造业。视觉 AI 可推动质量控制、缺陷检测、PPE 合规和装配线自动化。
了解更多
汽车行业中的计算机视觉

汽车行业中的计算机视觉

使用 Ultralytics YOLO 模型在汽车行业应用计算机视觉。视觉 AI 提升道路安全、驾驶辅助和车辆自动化水平,让道路更加智能。
了解更多
农业中的计算机视觉

农业中的计算机视觉

使用 Ultralytics YOLO 模型将视觉 AI 带入智能农业。为作物监测、牲畜追踪和精准农业提供支持,提升产量与智能化水平。
了解更多
用于航拍影像的计算机视觉

用于航拍影像的计算机视觉

使用 Ultralytics YOLO 将无人机和航拍影像转化为针对农业、水产养殖、环境监测、自然保护及地理空间分析的实时洞察。
了解更多
航空航天中的计算机视觉

航空航天中的计算机视觉

借助 Ultralytics YOLO 模型将视觉 AI 引入空中监测。使用计算机视觉解决方案赋能无人机、航空航天工作流、环境保护与地理空间行业。
了解更多

使用 Ultralytics YOLO 模型保护每个站点。视觉 AI 赋能周界监控、威胁检测、车牌识别和工作场所安全。
了解更多
机器人计算机视觉

机器人计算机视觉

借助 Ultralytics YOLO 模型打造更智能的机器。机器人技术中的视觉 AI 可实现自主导航、感知、目标跟踪和实时控制。
了解更多
物流计算机视觉

物流计算机视觉

使用 Ultralytics YOLO 模型提升物流效率。视觉 AI 可实现包裹检测、分拣、车辆跟踪和仓库安全实时监控。
了解更多
零售计算机视觉

零售计算机视觉

使用 Ultralytics YOLO 模型重新构想零售。视觉 AI 为库存跟踪、货架监控、队列管理和更智能的客户洞察提供支持。
了解更多
医疗领域的计算机视觉

医疗领域的计算机视觉

使用 Ultralytics YOLO 模型构建医疗解决方案。医疗领域的视觉 AI 可实现更快的医学影像处理、更智能的诊断和患者监护。
了解更多
制造业中的计算机视觉

制造业中的计算机视觉

使用 Ultralytics YOLO 模型优化制造业。视觉 AI 可推动质量控制、缺陷检测、PPE 合规和装配线自动化。
了解更多
汽车行业中的计算机视觉

汽车行业中的计算机视觉

使用 Ultralytics YOLO 模型在汽车行业应用计算机视觉。视觉 AI 提升道路安全、驾驶辅助和车辆自动化水平,让道路更加智能。
了解更多
农业中的计算机视觉

农业中的计算机视觉

使用 Ultralytics YOLO 模型将视觉 AI 带入智能农业。为作物监测、牲畜追踪和精准农业提供支持,提升产量与智能化水平。
了解更多
用于航拍影像的计算机视觉

用于航拍影像的计算机视觉

使用 Ultralytics YOLO 将无人机和航拍影像转化为针对农业、水产养殖、环境监测、自然保护及地理空间分析的实时洞察。
了解更多
航空航天中的计算机视觉

航空航天中的计算机视觉

借助 Ultralytics YOLO 模型将视觉 AI 引入空中监测。使用计算机视觉解决方案赋能无人机、航空航天工作流、环境保护与地理空间行业。
了解更多

使用 Ultralytics YOLO 模型保护每个站点。视觉 AI 赋能周界监控、威胁检测、车牌识别和工作场所安全。
了解更多
机器人计算机视觉

机器人计算机视觉

借助 Ultralytics YOLO 模型打造更智能的机器。机器人技术中的视觉 AI 可实现自主导航、感知、目标跟踪和实时控制。
了解更多
物流计算机视觉

物流计算机视觉

使用 Ultralytics YOLO 模型提升物流效率。视觉 AI 可实现包裹检测、分拣、车辆跟踪和仓库安全实时监控。
了解更多
零售计算机视觉

零售计算机视觉

使用 Ultralytics YOLO 模型重新构想零售。视觉 AI 为库存跟踪、货架监控、队列管理和更智能的客户洞察提供支持。
了解更多
医疗领域的计算机视觉

医疗领域的计算机视觉

使用 Ultralytics YOLO 模型构建医疗解决方案。医疗领域的视觉 AI 可实现更快的医学影像处理、更智能的诊断和患者监护。
了解更多
制造业中的计算机视觉

制造业中的计算机视觉

使用 Ultralytics YOLO 模型优化制造业。视觉 AI 可推动质量控制、缺陷检测、PPE 合规和装配线自动化。
了解更多
汽车行业中的计算机视觉

汽车行业中的计算机视觉

使用 Ultralytics YOLO 模型在汽车行业应用计算机视觉。视觉 AI 提升道路安全、驾驶辅助和车辆自动化水平,让道路更加智能。
了解更多
农业中的计算机视觉

农业中的计算机视觉

使用 Ultralytics YOLO 模型将视觉 AI 带入智能农业。为作物监测、牲畜追踪和精准农业提供支持,提升产量与智能化水平。
了解更多

让我们共同构建 AI 的未来!

开启你的机器学习未来之旅