中文 · 한국어 · 日本語 · Русский · Deutsch · Français · Español · Português · Türkçe · Tiếng Việt · العربية

Accueil

Découvre Ultralytics YOLO26, la dernière version du célèbre modèle de détection d'objets et de segmentation d'images en temps réel. YOLO26 s'appuie sur des avancées en deep learning et en computer vision, offrant une inférence de bout en bout sans NMS et un déploiement optimisé pour l'edge. Sa conception simplifiée le rend adapté à diverses applications et facilement adaptable à différentes plates-formes matérielles, des appareils edge aux API cloud. Pour des charges de travail de production stables, YOLO26 ainsi que YOLO11 sont recommandés.

Explore la documentation Ultralytics, une ressource complète conçue pour t'aider à comprendre et à utiliser ses fonctionnalités et capacités. Que tu sois un professionnel du machine learning chevronné ou un débutant dans le domaine, ce hub vise à maximiser le potentiel de YOLO dans tes projets.

Demande une licence Entreprise pour un usage commercial sur Ultralytics Licensing.

Par où commencer

YOLO : Une brève histoire

YOLO (You Only Look Once), un modèle populaire de object detection et de image segmentation, a été développé par Joseph Redmon et Ali Farhadi à l'Université de Washington. Lancé en 2015, YOLO a gagné en popularité pour sa grande vitesse et sa précision.

• YOLOv2, publié en 2016, a amélioré le modèle original en intégrant la normalisation par lots, les anchor boxes et les clusters de dimensions.
• YOLOv3, lancé en 2018, a encore amélioré les performances du modèle en utilisant un réseau backbone plus efficace, plusieurs ancres et le regroupement spatial pyramidal.
• YOLOv4 a été publié en 2020, introduisant des innovations comme l'augmentation de données Mosaic data augmentation, une nouvelle tête de détection sans ancres et une nouvelle loss function.
• YOLOv5 a encore amélioré les performances du modèle et ajouté de nouvelles fonctionnalités telles que l'optimisation des hyperparamètres, le suivi d'expériences intégré et l'exportation automatique vers des formats d'exportation populaires.
• YOLOv6 a été mis en open source par Meituan en 2022 et est utilisé dans de nombreux robots de livraison autonomes de l'entreprise.
• YOLOv7 a ajouté des tâches supplémentaires telles que l'estimation de pose sur le jeu de données de points clés COCO.
• YOLOv8, publié en 2023 par Ultralytics, a introduit de nouvelles fonctionnalités et améliorations pour une performance, une flexibilité et une efficacité accrues, prenant en charge une gamme complète de tâches de vision IA.
• YOLOv9 introduit des méthodes innovantes comme Programmable Gradient Information (PGI) et le Generalized Efficient Layer Aggregation Network (GELAN).
• YOLOv10, créé par des chercheurs de l'Tsinghua University en utilisant le Ultralytics Python package, fournit des avancées en object detection en temps réel en introduisant une tête de bout en bout qui élimine les exigences de Non-Maximum Suppression (NMS).
• YOLO11 : Publié en septembre 2024, YOLO11 offre d'excellentes performances sur plusieurs tâches, notamment la object detection, la segmentation, l'pose estimation, le tracking et la classification, permettant un déploiement dans diverses applications et domaines de l'IA.
• YOLO26 🚀 : Le modèle YOLO de nouvelle génération d'Ultralytics optimisé pour le déploiement sur l'edge avec une inférence de bout en bout sans NMS.

Licences YOLO : Comment est licencié Ultralytics YOLO ?

Ultralytics propose deux options de licence pour répondre à divers cas d'utilisation :

• Licence AGPL-3.0 : Cette licence open-source approuvée par l'OSI est idéale pour les étudiants et les passionnés, favorisant la collaboration ouverte et le partage des connaissances. Consulte le fichier LICENSE pour plus de détails.
• Licence Entreprise : Conçue pour un usage commercial, cette licence permet une intégration transparente des logiciels et des modèles d'IA d'Ultralytics dans des biens et services commerciaux, en contournant les exigences open-source de l'AGPL-3.0. Si ton scénario implique l'intégration de nos solutions dans une offre commerciale, contacte-nous via Ultralytics Licensing.

Notre stratégie de licence est conçue pour garantir que toute amélioration apportée à nos projets open-source soit retournée à la communauté. Nous croyons en l'open-source, et notre mission est de garantir que nos contributions puissent être utilisées et développées de manière à bénéficier à tous.

L'évolution de la détection d'objets

La détection d'objets a considérablement évolué au fil des ans, passant des techniques traditionnelles de vision par ordinateur aux modèles avancés de deep learning. La famille de modèles YOLO a été à l'avant-garde de cette évolution, repoussant constamment les limites de ce qui est possible en matière de détection d'objets en temps réel.

L'approche unique de YOLO traite la détection d'objets comme un problème de régression unique, prédisant les bounding boxes et les probabilités de classe directement à partir d'images complètes en une seule évaluation. Cette méthode révolutionnaire a rendu les modèles YOLO nettement plus rapides que les détecteurs à deux étapes précédents tout en maintenant une précision élevée.

À chaque nouvelle version, YOLO a introduit des améliorations architecturales et des techniques innovantes qui ont amélioré les performances sur diverses métriques. YOLO26 perpétue cette tradition en intégrant les dernières avancées de la recherche en vision par ordinateur, avec une inférence de bout en bout sans NMS et un déploiement optimisé pour l'edge pour des applications réelles.

FAQ

Qu'est-ce qu'Ultralytics YOLO et comment améliore-t-il la détection d'objets ?

Ultralytics YOLO est la célèbre série YOLO (You Only Look Once) pour la détection d'objets et la segmentation d'images en temps réel. Le dernier modèle, YOLO26, s'appuie sur les versions précédentes en introduisant une inférence de bout en bout sans NMS et un déploiement optimisé pour l'edge. YOLO prend en charge diverses vision AI tasks telles que la détection, la segmentation, l'estimation de pose, le tracking et la classification. Son architecture efficace garantit une excellente vitesse et précision, ce qui le rend adapté à diverses applications, y compris les appareils edge et les API cloud.

Comment puis-je démarrer avec l'installation et la configuration de YOLO ?

Démarrer avec YOLO est rapide et simple. Tu peux installer le package Ultralytics en utilisant pip et être opérationnel en quelques minutes. Voici une commande d'installation de base :

pip install -U ultralytics

Pour un guide complet étape par étape, visite notre page Quickstart. Cette ressource t'aidera avec les instructions d'installation, la configuration initiale et l'exécution de ton premier modèle.

Comment puis-je entraîner un modèle YOLO personnalisé sur mon jeu de données ?

L'entraînement d'un modèle YOLO personnalisé sur ton jeu de données implique quelques étapes détaillées :

1. Prépare ton jeu de données annoté.
2. Configure les paramètres d'entraînement dans un fichier YAML.
3. Utilise la commande yolo TASK train pour démarrer l'entraînement. (Chaque TASK a ses propres arguments)

Voici un exemple de code pour la tâche de détection d'objets :

from ultralytics import YOLO

# Load a pretrained YOLO model (you can choose n, s, m, l, or x versions)
model = YOLO("yolo26n.pt")

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

Pour une procédure détaillée, consulte notre guide Train a Model, qui inclut des exemples et des conseils pour optimiser ton processus d'entraînement.

Quelles sont les options de licence disponibles pour Ultralytics YOLO ?

Ultralytics propose deux options de licence pour YOLO :

• Licence AGPL-3.0 : Cette licence open-source est idéale pour un usage éducatif et non commercial, favorisant la collaboration ouverte.
• Licence Entreprise : Elle est conçue pour des applications commerciales, permettant une intégration transparente du logiciel Ultralytics dans des produits commerciaux sans les restrictions de la licence AGPL-3.0.

Pour plus de détails, visite notre page Licensing.

Comment Ultralytics YOLO peut-il être utilisé pour le suivi d'objets en temps réel ?

Ultralytics YOLO prend en charge le suivi multi-objets efficace et personnalisable. Pour utiliser les capacités de suivi, tu peux utiliser la commande yolo track, comme indiqué ci-dessous :

from ultralytics import YOLO

# Load a pretrained YOLO model
model = YOLO("yolo26n.pt")

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

Pour un guide détaillé sur la configuration et l'exécution du suivi d'objets, consulte notre documentation Track Mode, qui explique la configuration et les applications pratiques dans des scénarios en temps réel.