Saltar al contenido

Inicio

Introducing Ultralytics YOLO11, the latest version of the acclaimed real-time object detection and image segmentation model. YOLO11 is built on cutting-edge advancements in deep learning and computer vision, offering unparalleled performance in terms of speed and accuracy. Its streamlined design makes it suitable for various applications and easily adaptable to different hardware platforms, from edge devices to cloud APIs.

Explore the Ultralytics Docs, a comprehensive resource designed to help you understand and utilize its features and capabilities. Whether you are a seasoned machine learning practitioner or new to the field, this hub aims to maximize YOLO's potential in your projects


Ultralytics GitHub espacio Ultralytics LinkedIn espacio Ultralytics Twitter espacio Ultralytics YouTube espacio Ultralytics TikTok espacio Ultralytics BiliBili espacio Ultralytics Discordia

Por dónde empezar



Observa: How to Train a YOLO model on Your Custom Dataset in Google Colab.

YOLO: Breve historia

YOLO (You Only Look Once), a popular object detection and image segmentation model, was developed by Joseph Redmon and Ali Farhadi at the University of Washington. Launched in 2015, YOLO quickly gained popularity for its high speed and accuracy.

  • YOLOv2, publicado en 2016, mejoró el modelo original incorporando la normalización por lotes, las cajas de anclaje y los grupos de dimensiones.
  • YOLOv3, lanzado en 2018, mejoró aún más el rendimiento del modelo utilizando una red troncal más eficiente, anclajes múltiples y agrupación de pirámides espaciales.
  • YOLOv4 was released in 2020, introducing innovations like Mosaic data augmentation, a new anchor-free detection head, and a new loss function.
  • YOLOv5 mejoró aún más el rendimiento del modelo y añadió nuevas funciones, como la optimización de hiperparámetros, el seguimiento integrado de experimentos y la exportación automática a formatos de exportación populares.
  • YOLOv6 fue de código abierto para Meituan en 2022 y se utiliza en muchos de los robots autónomos de reparto de la empresa.
  • YOLOv7 añadió tareas adicionales, como la estimación de la pose en el conjunto de datos de puntos clave COCO.
  • YOLOv8 released in 2023 by Ultralytics. YOLOv8 introduced new features and improvements for enhanced performance, flexibility, and efficiency, supporting a full range of vision AI tasks,
  • YOLOv9 introduce métodos innovadores como la Información de Gradiente Programable (PGI) y la Red de Agregación de Capas Eficiente Generalizada (GELAN).
  • YOLOv10 ha sido creado por investigadores de la Universidad de Tsinghua utilizando el paquete Ultralytics Python paquete. Esta versión proporciona avances en la detección de objetos en tiempo real al introducir un cabezal de extremo a extremo que elimina los requisitos de Supresión No Máxima (NMS).
  • YOLO11 🚀 NEW: Ultralytics' latest YOLO models delivering state-of-the-art (SOTA) performance across multiple tasks, including detection, segmentation, pose estimation, tracking, and classification, leverage capabilities across diverse AI applications and domains.

YOLO Licencias: ¿Cómo se licencia Ultralytics YOLO ?

Ultralytics ofrece dos opciones de licencia para adaptarse a diversos casos de uso:

  • AGPL-3.0 Licencia: Esta licencia de código abierto aprobada por la OSI es ideal para estudiantes y entusiastas, ya que promueve la colaboración abierta y el intercambio de conocimientos. Consulta el archivo LICENSE para más detalles.
  • Licencia de empresa: Diseñada para uso comercial, esta licencia permite integrar sin problemas el software Ultralytics y los modelos de IA en bienes y servicios comerciales, eludiendo los requisitos de código abierto de AGPL-3.0. Si tu escenario implica integrar nuestras soluciones en una oferta comercial, ponte en contacto con nosotros a través de Ultralytics Licencias.

Nuestra estrategia de licencias está diseñada para garantizar que cualquier mejora de nuestros proyectos de código abierto revierta en la comunidad. Llevamos los principios del código abierto en el corazón ❤️, y nuestra misión es garantizar que nuestras contribuciones puedan utilizarse y ampliarse de forma beneficiosa para todos.

PREGUNTAS FRECUENTES

¿Qué es Ultralytics YOLO y cómo mejora la detección de objetos?

Ultralytics YOLO is the latest advancement in the acclaimed YOLO (You Only Look Once) series for real-time object detection and image segmentation. It builds on previous versions by introducing new features and improvements for enhanced performance, flexibility, and efficiency. YOLO supports various vision AI tasks such as detection, segmentation, pose estimation, tracking, and classification. Its state-of-the-art architecture ensures superior speed and accuracy, making it suitable for diverse applications, including edge devices and cloud APIs.

¿Cómo puedo empezar con la instalación y configuración de YOLO ?

Getting started with YOLO is quick and straightforward. You can install the Ultralytics package using pip and get up and running in minutes. Here's a basic installation command:

Ejemplo

pip install ultralytics

Para obtener una guía completa paso a paso, visita nuestra guía de inicio rápido. Este recurso te ayudará con las instrucciones de instalación, la configuración inicial y a poner en marcha tu primer modelo.

¿Cómo puedo entrenar un modelo YOLO personalizado en mi conjunto de datos?

Entrenar un modelo YOLO personalizado en tu conjunto de datos implica unos cuantos pasos detallados:

  1. Prepara tu conjunto de datos anotado.
  2. Configura los parámetros de entrenamiento en un archivo YAML.
  3. Utiliza el yolo train para iniciar el entrenamiento.

Here's example code:

Ejemplo

from ultralytics import YOLO

# Load a pre-trained YOLO model (you can choose n, s, m, l, or x versions)
model = YOLO("yolo11n.pt")

# Start training on your custom dataset
model.train(data="path/to/dataset.yaml", epochs=100, imgsz=640)

# Train a YOLO model from the command line
yolo train data=path/to/dataset.yaml epochs=100 imgsz=640

Para un recorrido detallado, consulta nuestra guía Entrenar un modelo, que incluye ejemplos y consejos para optimizar tu proceso de entrenamiento.

¿Cuáles son las opciones de licencia disponibles para Ultralytics YOLO ?

Ultralytics ofrece dos opciones de licencia para YOLO:

  • AGPL-3.0 Licencia: Esta licencia de código abierto es ideal para uso educativo y no comercial, y promueve la colaboración abierta.
  • Licencia de empresa: Está diseñada para aplicaciones comerciales y permite una integración perfecta del software Ultralytics en productos comerciales sin las restricciones de la licencia AGPL-3.0 .

Para más detalles, visita nuestra página de Licencias.

¿Cómo puede utilizarse Ultralytics YOLO para el seguimiento de objetos en tiempo real?

Ultralytics YOLO admite un seguimiento multiobjeto eficaz y personalizable. Para utilizar las funciones de seguimiento, puedes utilizar la función yolo track como se muestra a continuación:

Ejemplo

from ultralytics import YOLO

# Load a pre-trained YOLO model
model = YOLO("yolo11n.pt")

# Start tracking objects in a video
# You can also use live video streams or webcam input
model.track(source="path/to/video.mp4")

# Perform object tracking on a video from the command line
# You can specify different sources like webcam (0) or RTSP streams
yolo track source=path/to/video.mp4

Para obtener una guía detallada sobre la configuración y el funcionamiento del seguimiento de objetos, consulta nuestra documentación sobre el modo de seguimiento, que explica la configuración y las aplicaciones prácticas en escenarios en tiempo real.


📅 Created 11 months ago ✏️ Updated 9 days ago
pderrenger jk4e UltralíticoAsistente glenn-jocher RizwanMunawar AyushExel

Comentarios