Tìm hiểu tất cả về cái mới Ultralytics YOLO11 mô hình, các tính năng và ứng dụng thời gian thực trong nhiều ngành công nghiệp khác nhau. Chúng tôi sẽ hướng dẫn bạn mọi thứ bạn cần biết.
Vào thứ Hai, ngày 30 tháng 9, Ultralytics chính thức ra mắt Ultralytics YOLO11 , tiến bộ mới nhất trong lĩnh vực thị giác máy tính , sau lần ra mắt đầu tiên tại YOLO Vision 2024 (YV24) , Ultralytics 'sự kiện kết hợp thường niên. Cộng đồng AI đang rất phấn khích khi họ vội vã khám phá khả năng của mô hình. Với tốc độ xử lý nhanh hơn, độ chính xác cao hơn và các mô hình được tối ưu hóa cho cả thiết bị biên và triển khai đám mây, YOLO11 định nghĩa lại những gì có thể trong các ứng dụng thị giác máy tính thời gian thực.
Trong một cuộc phỏng vấn , Ultralytics Nhà sáng lập kiêm Tổng giám đốc điều hành Glenn Jocher chia sẻ, “Thế giới đang hướng tới năng lượng sạch , nhưng vẫn chưa đủ nhanh. Chúng tôi muốn các mô hình của mình có thể đào tạo được trong ít kỷ nguyên hơn, với ít sự gia tăng và ít dữ liệu hơn, vì vậy chúng tôi đang nỗ lực hết mình cho điều đó. Mô hình phát hiện vật thể nhỏ nhất, YOLO11n , chỉ có 2,6 triệu tham số - khoảng bằng kích thước của một tệp JPEG, điều này thực sự điên rồ. Mô hình phát hiện vật thể lớn nhất, YOLO11x, có khoảng 56 triệu tham số và thậm chí con số đó vẫn cực kỳ nhỏ so với các mô hình khác. Bạn có thể đào tạo chúng với chi phí rẻ GPU , giống như một đứa trẻ năm tuổi Nvidia GPU , chỉ với một chút phấn khích và một chút cà phê."
Trong bài viết này, chúng ta sẽ xem xét kỹ hơn YOLO11 , khám phá các tính năng, cải tiến, chuẩn hiệu suất và ứng dụng thực tế để giúp bạn hiểu được mô hình này có thể làm được gì. Hãy bắt đầu nào!
YOLO11 là sự tiến bộ mới nhất trong YOLO (Bạn chỉ nhìn một lần) loạt mô hình thị giác máy tính và nó cung cấp những cải tiến đáng kể so với các phiên bản trước như YOLOv5 và YOLOv8 . Nhóm tại Ultralytics đã kết hợp phản hồi của cộng đồng và nghiên cứu tiên tiến để tạo ra YOLO11 nhanh hơn, chính xác hơn và hiệu quả hơn. YOLO11 cũng hỗ trợ các tác vụ thị giác máy tính giống như YOLOv8 , bao gồm phát hiện đối tượng , phân đoạn trường hợp và phân loại hình ảnh . Trên thực tế, người dùng có thể dễ dàng chuyển sang YOLO11 mà không cần phải thay đổi quy trình làm việc hiện tại.
Một trong những điểm nổi bật chính của YOLO11 là hiệu suất vượt trội của nó về cả độ chính xác và tốc độ so với các thế hệ trước. Với ít hơn 22% thông số so với YOLOv8m , YOLO11m đạt được độ chính xác trung bình (mAP) cao hơn trên tập dữ liệu COCO , nghĩa là nó có thể phát hiện các đối tượng chính xác và hiệu quả hơn. Về tốc độ xử lý, YOLO11 vượt trội hơn các mô hình trước đó, khiến nó trở nên lý tưởng cho các ứng dụng thời gian thực, nơi phát hiện và phản ứng nhanh là rất quan trọng và từng mili giây đều có giá trị.
Biểu đồ chuẩn dưới đây minh họa cách YOLO11 nổi bật so với các mô hình trước đó. Trên trục ngang, nó hiển thị Độ chính xác trung bình (AP) của COCO Box , đo độ chính xác của việc phát hiện đối tượng. Trục dọc hiển thị độ trễ khi sử dụng TensorRT10 FP16 trên GPU NVIDIA T4 , cho biết mô hình xử lý dữ liệu nhanh như thế nào.
Với sự ra mắt của Ultralytics YOLO11 , Ultralytics đang mở rộng YOLO bằng cách cung cấp cả mô hình nguồn mở và mô hình doanh nghiệp để đáp ứng nhu cầu ngày càng tăng trong nhiều ngành.
YOLO11 có năm kích thước mô hình riêng biệt - Nano, Nhỏ, Trung bình, Lớn và X. Người dùng có thể chọn mô hình tốt nhất tùy thuộc vào nhu cầu cụ thể của ứng dụng thị giác máy tính của họ. Năm kích thước cung cấp tính linh hoạt trên các tác vụ như phân loại hình ảnh , phát hiện đối tượng , phân đoạn thể hiện , theo dõi , ước tính tư thế và phát hiện đối tượng hộp giới hạn định hướng (OBB) . Đối với mỗi kích thước, có một mô hình khả dụng cho từng tác vụ, tạo ra tổng cộng 25 mô hình nguồn mở tạo thành cốt lõi của Ultralytics ' cung cấp. Các mẫu máy này lý tưởng cho nhiều ứng dụng khác nhau, từ các tác vụ nhẹ trên thiết bị biên, nơi mẫu máy YOLO11n mang lại hiệu quả ấn tượng, đến các ứng dụng quy mô lớn hơn yêu cầu mẫu máy YOLO11l và YOLO11x.
Lần đầu tiên, Ultralytics đang giới thiệu các mô hình doanh nghiệp , đánh dấu một cột mốc quan trọng trong các sản phẩm của chúng tôi và chúng tôi rất vui mừng được chia sẻ những cải tiến mới này với người dùng. YOLO11 giới thiệu năm mô hình độc quyền được thiết kế dành riêng cho các trường hợp sử dụng thương mại. Các mô hình doanh nghiệp này, sẽ có sẵn vào tháng tới, được đào tạo về Ultralytics ' bộ dữ liệu độc quyền mới, bao gồm hơn 1 triệu hình ảnh, cung cấp các mô hình được đào tạo trước mạnh mẽ hơn. Chúng được thiết kế cho các ứng dụng thực tế, đòi hỏi cao , chẳng hạn như phân tích hình ảnh y tế và xử lý hình ảnh vệ tinh , trong đó phát hiện đối tượng chính xác là rất quan trọng.
Bây giờ chúng ta đã thảo luận về những gì YOLO11 cung cấp, chúng ta hãy xem xét những gì làm cho YOLO11 thật đặc biệt.
Một trong những thách thức chính trong việc phát triển YOLO11 là tìm ra sự cân bằng phù hợp giữa các ưu tiên cạnh tranh: làm cho các mô hình nhỏ hơn, nhanh hơn và chính xác hơn. Như Glenn Jocher, Ultralytics ' Nhà sáng lập và Giám đốc điều hành giải thích, “ Làm việc về nghiên cứu và phát triển YOLO thực sự là một thách thức vì bạn muốn đi theo ba hướng khác nhau: bạn muốn làm cho các mô hình nhỏ hơn, bạn muốn chúng chính xác hơn, nhưng bạn cũng muốn chúng nhanh hơn trên các nền tảng khác nhau như CPU Và GPU . Tất cả những điều này đều là những lợi ích cạnh tranh, vì vậy bạn phải thỏa hiệp và lựa chọn nơi để thực hiện thay đổi.” Bất chấp những thách thức này, YOLO11 đạt được sự cân bằng ấn tượng, mang lại cả cải tiến về tốc độ và độ chính xác so với các phiên bản trước như YOLOv8 .
YOLO11 mang lại những cải tiến đáng kể như cải thiện khả năng trích xuất tính năng với kiến trúc xương sống và cổ được thiết kế lại, dẫn đến khả năng phát hiện đối tượng chính xác hơn. Mô hình cũng được tối ưu hóa về tốc độ và hiệu quả, cung cấp thời gian xử lý nhanh hơn trong khi vẫn duy trì độ chính xác cao. Ngoài những lợi ích này, YOLO11 có khả năng thích ứng cao trên nhiều môi trường khác nhau, hoạt động liền mạch trên các thiết bị biên, nền tảng đám mây và hệ thống sử dụng NVIDIA GPU. Khả năng thích ứng này khiến đây trở thành lựa chọn lý tưởng cho người dùng cần các tùy chọn triển khai linh hoạt trên nhiều thiết lập phần cứng khác nhau, từ thiết bị di động đến máy chủ quy mô lớn.
YOLO11 Tính linh hoạt của nó khiến nó trở thành một công cụ đáng tin cậy trong nhiều ngành công nghiệp, đặc biệt là khi xử lý các trường hợp sử dụng phức tạp . Ví dụ, nó hoạt động liền mạch trên các thiết bị biên và có thể được sử dụng cho các ứng dụng yêu cầu phân tích thời gian thực trong môi trường có công suất tính toán hạn chế. Một ví dụ tuyệt vời về điều này là lái xe tự động , khi các phương tiện cần đưa ra quyết định trong tích tắc để đảm bảo an toàn cho mọi người. YOLO11 giúp phát hiện và phân tích các vật thể trên đường , như người đi bộ hoặc xe khác, ngay cả trong điều kiện khắc nghiệt như thiếu sáng hoặc khi mọi thứ bị che khuất một phần. Phát hiện nhanh chóng và chính xác giúp ngăn ngừa tai nạn và đảm bảo xe tự lái có thể di chuyển an toàn .
Một ví dụ thú vị khác của YOLO11 Phạm vi của 'là khả năng xử lý các hộp giới hạn định hướng (OBB) . Nó rất cần thiết để phát hiện các vật thể không được căn chỉnh hoàn hảo. Phát hiện vật thể OBB là một tính năng đặc biệt hữu ích trong các ngành công nghiệp như nông nghiệp , lập bản đồ và giám sát , trong đó hình ảnh thường chứa các vật thể xoay như cây trồng hoặc tòa nhà trong hình ảnh trên không hoặc vệ tinh. Không giống như các mô hình truyền thống, YOLO11 có thể xác định các vật thể ở mọi góc độ và cung cấp kết quả chính xác hơn nhiều cho các nhiệm vụ đòi hỏi sự chính xác.
Bắt đầu với YOLO11 đơn giản và dễ tiếp cận, cho dù bạn thích mã hóa hay tùy chọn không cần mã hóa. Để làm việc với YOLO11 thông qua mã, bạn có thể sử dụng gói Ultralytics Python để dễ dàng đào tạo và triển khai các mô hình. Nếu bạn thích cách tiếp cận không cần mã, Ultralytics HUB cho phép bạn thử YOLO11 chỉ với vài cú nhấp chuột.
Để sử dụng YOLO11 với Python , trước tiên bạn cần phải cài đặt Ultralytics gói. Tùy thuộc vào sở thích của bạn, bạn có thể thực hiện việc này bằng pip, conda hoặc Docker. Để biết hướng dẫn chi tiết và các biện pháp thực hành tốt nhất liên quan đến quy trình cài đặt, hãy nhớ kiểm tra Hướng dẫn cài đặt Ultralytics của chúng tôi. Trong khi cài đặt các gói cần thiết cho YOLO11 , nếu bạn gặp bất kỳ khó khăn nào, hãy tham khảo Hướng dẫn về các sự cố thường gặp của chúng tôi để biết giải pháp và mẹo.
Một khi bạn có Ultralytics gói đã cài đặt, việc sử dụng YOLO11 rất đơn giản . Đoạn mã sau đây hướng dẫn bạn quy trình tải mô hình , đào tạo mô hình , kiểm tra hiệu suất và xuất mô hình sang định dạng ONNX . Để biết thêm các ví dụ chuyên sâu và cách sử dụng nâng cao, hãy tham khảo tài liệu chính thức Ultralytics , nơi bạn sẽ tìm thấy hướng dẫn chi tiết và các biện pháp thực hành tốt nhất để tận dụng tối đa YOLO11 .
Đối với người dùng thích cách tiếp cận không cần mã, Ultralytics HUB cung cấp một cách dễ dàng để đào tạo và triển khai YOLO11 mô hình chỉ với một vài cú nhấp chuột. Để bắt đầu với HUB , chỉ cần tạo một tài khoản trên Ultralytics Nền tảng HUB và bạn có thể bắt đầu đào tạo và quản lý mô hình của mình thông qua giao diện trực quan.
Cộng đồng AI không ngừng phát triển lĩnh vực thị giác máy tính bằng cách nỗ lực phát triển các mô hình nhanh hơn, chính xác hơn cho các ứng dụng thực tế. Ultralytics YOLO11 là một cột mốc quan trọng trong nỗ lực này, mang lại tốc độ, độ chính xác và tính linh hoạt được cải thiện. Nó được thiết kế cho các ứng dụng thời gian thực và biên, làm cho nó trở nên lý tưởng cho các ngành công nghiệp như chăm sóc sức khỏe và lái xe tự động. Cho dù bạn đang sử dụng Ultralytics Python gói hoặc không có mã Ultralytics Trung tâm, YOLO11 đơn giản hóa các tác vụ Vision AI phức tạp. Nó cung cấp khả năng thị giác máy tính mạnh mẽ, khiến nó trở thành lựa chọn tuyệt vời cho các nhà phát triển và doanh nghiệp.
Hãy xem kho lưu trữ GitHub của chúng tôi và tham gia cộng đồng năng động của chúng tôi để tìm hiểu thêm về AI. Khám phá cách Vision AI thúc đẩy sự đổi mới trong các lĩnh vực như chăm sóc sức khỏe và nông nghiệp .
Bắt đầu hành trình của bạn với tương lai của machine learning
