Ultralytics YOLO27: 加入候补名单。
获取 YOLO 许可
活动

Ultralytics 在 YOLO Vision 2024 上的精彩亮点!

回顾在马德里举办的 YOLO Vision 2024——Ultralytics 年度线上线下混合活动的亮点:YOLO11 发布、圆桌讨论、真实应用案例和技术演讲。

Abirami VinaAbirami Vina6 分钟阅读
Ultralytics YOLO Vision 2024 精彩回顾

9 月 27 日,Ultralytics 汇聚了 AI 和计算机视觉社区,举办了年度线上线下混合活动 YOLO Vision 2024(YV24)。活动在马德里的 Google for Startups Campus 举行,并向全球直播,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参与。

YV24 由主持人 Oisin Lunny热情开场。他强调了社区和联系的重要性,并表示:“我坚信伟大创意和优秀社区的力量,而 Ultralytics 通过 YOLO Vision 打造的正是这样一个由优秀人才和伟大创意组成的优秀社区。”

本文将重点介绍 YOLO Vision 2024 的精彩亮点,从精彩的圆桌讨论到计算机视觉的实际应用案例。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 活动回顾都会为你梳理核心要点。

Ultralytics YOLO11 在 YOLO Vision 上发布#

在 YOLO Vision 2024 之前预告过的产品发布终于在开场主题演讲中揭晓,由 Ultralytics 创始人兼 CEO Glenn Jocher宣布。Glenn 介绍了 Ultralytics YOLO11,标志着新一代计算机视觉模型的到来;这款模型已开发数月。发布会后,Glenn 接受了 The Ravit Show 的采访,并分享了有关 YOLO11 开发历程的见解,为发布增添了更多亮点。

在主题演讲中,Glenn 还分享了公司的发展历程,从他研究粒子物理学的经历谈起,讲述了他对探索宇宙的着迷如何最终引领他走向机器学习和计算机视觉。

Glenn Jocher 在 Ultralytics YOLO Vision 2024 上发布 Ultralytics YOLO11,屏幕上展示 YOLO 的演进时间线

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

他解释说,自己早期在物理学领域的工作与计算机视觉中的目标检测有相似之处,因为研究人员都需要分析粒子间的相互作用。出于好奇心和对新技术的热情,他最终创建了 Ultralytics YOLOv5。在整个演讲过程中,Glenn 强调了协作以及在开源社区中作出贡献的重要性,并感谢世界各地的开发者长期以来为 YOLOv5 和 Ultralytics YOLOv8提供反馈并帮助改进模型。

随后,他介绍了 Ultralytics YOLO11 的主要特性,并解释说它比以往模型速度更快、准确度更高、效率也更高。事实上,YOLO11m 的参数量比 YOLOv8m 少 22%,但在 COCO 数据集上的准确度更高,因此非常适合速度和准确度都至关重要的实时应用。

Glenn 强调了此次发布的规模,并表示:“我们总共发布 30 个模型,其中 25 个是开源模型;五种不同尺寸的模型分别适用于五种不同任务。这些任务包括图像分类、目标检测、实例分割、姿势估计和定向边界框。”在企业级产品方面,他宣布下个月将推出在包含 100 万张图像的专有数据集上训练的强大模型。这一公告为活动拉开了精彩序幕,让与会者迫不及待地想要进一步了解 YOLO11 在制造业和自动驾驶汽车等领域的创新潜力。

YOLO Vision:AI 大会上的小组讨论#

由 Oisin Lunny 主持的 YOLO Vision 2024 圆桌讨论,围绕 AI、计算机视觉和社区建设分享了多方面的见解。

首场圆桌讨论的嘉宾包括 Glenn Jocher、Jing Qiu(Ultralytics YOLO 模型开发的核心人物)以及清华大学的 Ao Wang,他是 YOLOv10的共同作者。嘉宾们探讨了生成式 AI 的最新进展和计算机视觉,重点讨论了两者的相似之处、差异,以及各自对另一领域的影响。尽管大型语言模型(LLMs)近来广受关注,嘉宾们指出,传统计算机视觉在医疗保健等行业的特定任务中仍不可或缺。

下一场讨论聚焦于女性在 AI 领导岗位上面临的挑战,参与发言的有:Ultralytics 增长总监 Paula Derrenger、曾任 SaaS 公司首席产品官和首席运营官的 Bruna de Guimarães、Latinas in Tech Madrid 分会负责人 Mariana Hernandez,以及 Dare to Data 创始人 Christina Stathopoulous。她们分享了各自的经历,并讨论了导师指导的重要性,以及女性主动争取领导岗位的必要性。Hernandez 建议道:“要主动出击,别等着事情发生在你身上。”她还鼓励现场女性坚定地表达自己,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。

Christina Stathopoulos、Paula Derrenger、Mariana Hernández 和 Oisin Lunny 在 Ultralytics YOLO Vision 2024 舞台上,屏幕上显示 Bruna de Guimarães

图 2. 关于科技行业女性的小组讨论,从左至右: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 Qaddoumi、Harpreet Sahota和Bart Farrell讨论了如何在线上和线下活动中与技术受众交流。Farrell 分享的见解“你得去他们所在的地方”强调了按照社区成员的方式与他们建立联系,从而促进协作和共同学习的重要性。

四位嘉宾在 Ultralytics YOLO Vision 2024 的社区建设专题讨论期间于舞台上开怀大笑

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

YOLO Vision 上 AI 创新的真实案例#

YV24 的多场演讲阐释了 YOLO 模型如何应用于各行各业,解决现实世界中的挑战。AI Master Group 播客主持人 Jim Griffin介绍了一个项目:通过无人机监控加州海岸线,利用 Ultralytics YOLOv8 模型监测鲨鱼的活动。系统会向救生员、冲浪用品店店主和家长发出警报,从海面上方 200 英尺处检测鲨鱼,保障海滩游客的安全。Griffin 解释说,真正的挑战并非 AI 模型本身,而是大量的无人机飞行,以及为收集数据并训练模型所做的工作。

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

图 4. Jim Griffin 分享了如何使用无人机和 Ultralytics YOLOv8 监测加利福尼亚海岸线附近的鲨鱼活动。

同样,来自 The Main Branch 的 David Scott 谈到了计算机视觉如何从简单的目标检测拓展到行为分析。他的演讲介绍了诸如跟踪牛的行为和识别零售店内的可疑活动等现实应用。Scott 分享了如何利用 YOLOv8 分析牛的特定行为(例如进食、饮水和行走),从而监测牛的健康状况。

此外,NASCO Feeding Minds 的 Ousman Umar 带来了一场格外动人的主题演讲,分享了他的组织如何通过在加纳提供 IT 教育改变人们的生活。他的基金会已设立 17 个 ICT 中心,培训了 65,000 多名学生,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 感人至深的故事展现了教育与技术如何携手,为服务不足的社区带来持久改变。

技术专题演讲:YOLO Vision 演讲嘉宾精选#

YV24 还安排了多场不同主题的演讲,聚焦 AI 与硬件如何结合并激发新思路。来自 Intel、Sony 和 NVIDIA 等公司的专家探讨了如何在边缘设备上部署 YOLO 模型并优化性能。来自 Intel 的 Dmitriy Pastushenkov 和 Adrian Boguszewski 介绍了 Intel 硬件如何通过 NPU、CPU 和 GPU 支持 YOLO 模型;Sony 的 Amir Servi 和 Wei Tang 则分享了 YOLO 如何与 AITRIOS 平台集成,以高效部署边缘 AI。来自 NVIDIA 的 Guy Dahan 谈到了如何利用 NVIDIA 的 GPU 架构提升 YOLO 模型的推理性能。

Guy Dahan 介绍如何利用 NVIDIA GPU 优化 YOLO 推理

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

Qualcomm、Hugging Face 和 Lightning AI 等其他公司也展示了各自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,为 Snapdragon 设备优化 Ultralytics YOLOv8 等模型。

同样,来自 Hugging Face 的 Pavel Lakubovskii 介绍了他们的开源工具如何支持将 Ultralytics YOLOv8 等模型集成到各种工作流中;来自 Lightning AI 的 Luca Antiga 则向我们演示了开发者如何在代码层面轻松集成 YOLOv8 等模型,从而加快原型开发和迭代。

马德里的一周:YOLO Vision 交流活动#

YV24 举办前一周,Ultralytics 团队齐聚马德里,参加了多种活动,包括研讨会、协作会议和异地活动。这些活动不只围绕工作,还促进了更紧密的关系,并为活动营造了积极的氛围。活动以庆祝派对收尾,与会者和演讲嘉宾借此机会交流联络、分享重要收获,并探讨未来的合作。团队合作与情谊相结合,让 YV24 在专业层面取得成功,也成为一段令人难忘的经历。

Ultralytics 团队在 Ultralytics YOLO Vision 2024 的舞台上庆祝,在赞助商背景屏幕前抛起挂绳

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

YOLO Vision 的 AI 创新与未来展望#

YV24 汇聚了创新、协作,以及对计算机视觉未来的展望。活动发布了 YOLO11,举办了精彩的小组讨论,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 进步而不断发展。活动也加强了社区内的联系。专家和爱好者分享了想法,并探讨计算机视觉和 YOLO 的潜力。活动以一场趣味问答收尾,参与者有机会赢取 Ultralytics 连帽衫,大家也因此更加期待未来出现 YOLO11 这样的创新成果。

访问我们的 GitHub 代码仓库,加入活跃的社区,进一步了解 AI。看看视觉 AI 如何推动医疗保健和农业等领域的创新。

作者

Abirami Vina
Abirami Vina

内容创作者 · Ultralytics

Abirami Vina 职业生涯始于计算机视觉工程师,由此在视觉 AI 和机器学习领域打下了坚实基础。她是 Ultralytics 的内容创作者,也是 Scribe of AI 的创始人兼首席撰稿人,为专注 AI 的公司撰写高质量技术内容。她热衷于让 AI 更易理解、更具吸引力,通过自己的作品连接前沿技术与现实影响。

评论

提出问题、分享你的结果,或帮助其他人。

探索解决方案

体育领域的计算机视觉

体育领域的计算机视觉

了解 Ultralytics YOLO 如何通过球员和球追踪、表现分析、教练洞察及运动员康复,推动体育视觉技术的发展。
了解详情
航空影像计算机视觉

航空影像计算机视觉

使用 Ultralytics YOLO 将无人机和航空影像转化为农业、水产养殖、保护工作和地理空间分析的实时洞察。
了解详情
航空航天中的计算机视觉

航空航天中的计算机视觉

使用 Ultralytics YOLO 将计算机视觉应用于航空航天领域,包括飞机检查、跑道 FOD 检测、机场地面作业和复合材料缺陷检测。
了解详情
安防领域的计算机视觉

安防领域的计算机视觉

使用 Ultralytics YOLO 模型守护每个场所。视觉 AI 可用于周界监控、威胁检测、车牌识别和工作场所安全。
了解详情
机器人领域的计算机视觉

机器人领域的计算机视觉

使用 Ultralytics YOLO 模型提升智能机器的能力。机器人领域的视觉 AI 可用于自主导航、感知、目标跟踪和实时控制。
了解详情
物流中的计算机视觉

物流中的计算机视觉

借助 Ultralytics YOLO 模型优化物流流程。视觉 AI 可用于包裹检查、分拣、车辆跟踪和仓库安全实时监控。
了解详情
零售中的计算机视觉

零售中的计算机视觉

借助 Ultralytics YOLO 模型重新构想零售。视觉 AI 可用于库存跟踪、货架监控、排队管理和更深入的客户洞察。
了解详情
医疗领域的计算机视觉

医疗领域的计算机视觉

借助 Ultralytics YOLO 模型构建医疗解决方案。医疗领域的视觉 AI 可加快医学影像处理、优化诊断并监测患者。
了解详情
制造业中的计算机视觉

制造业中的计算机视觉

利用 Ultralytics YOLO 模型优化制造流程。视觉 AI 可用于质量控制、缺陷检测、个人防护装备合规检查和装配线自动化。
了解详情
汽车领域的计算机视觉

汽车领域的计算机视觉

利用 Ultralytics YOLO 模型在汽车领域应用计算机视觉。视觉 AI 可提升道路安全、驾驶辅助和车辆自动化水平,让道路更智能。
了解详情
农业中的计算机视觉

农业中的计算机视觉

借助 Ultralytics YOLO 模型,将视觉 AI 引入智慧农业。为作物监测、牲畜追踪和精准农业提供支持,从而提高产量并实现更智能的生产。
了解详情

让我们携手构建 AI 的未来!

开启你的旅程,迎接机器学习的未来