Casa

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

Presentazione di Ultralytics YOLO11, l'ultima versione dell'acclamato modello di rilevamento degli oggetti e segmentazione delle immagini in tempo reale. YOLO11 si basa su progressi all'avanguardia nel campo del deep learning e della computer vision, offrendo prestazioni senza precedenti in termini di velocità e precisione. Il suo design semplificato lo rende adatto a varie applicazioni e facilmente adattabile a diverse piattaforme hardware, dai dispositivi edge alle API cloud.

Esplora i documenti di Ultralytics , una risorsa completa progettata per aiutarti a comprendere e utilizzare le sue caratteristiche e capacità. Sia che tu sia un esperto di apprendimento automatico o un novello del settore, questo hub ha lo scopo di massimizzare il potenziale di YOLO nei tuoi progetti.

Da dove iniziare

Guarda: Come addestrare un modello YOLO su un dataset personalizzato in Google Colab.

YOLO: Una breve storia

YOLO (You Only Look Once), un popolare modello di rilevamento degli oggetti e di segmentazione delle immagini, è stato sviluppato da Joseph Redmon e Ali Farhadi presso l'Università di Washington. Lanciato nel 2015, YOLO ha guadagnato rapidamente popolarità per la sua elevata velocità e precisione.

• YOLOv2, rilasciato nel 2016, ha migliorato il modello originale incorporando la normalizzazione dei lotti, le caselle di ancoraggio e i cluster di dimensioni.
• YOLOv3, lanciato nel 2018, ha migliorato ulteriormente le prestazioni del modello utilizzando una rete dorsale più efficiente, ancore multiple e il pooling della piramide spaziale.
• YOLOv4 è stato rilasciato nel 2020, introducendo innovazioni come l'aumento dei dati Mosaic, una nuova testa di rilevamento senza ancore e una nuova funzione di perdita.
• YOLOv5 ha migliorato ulteriormente le prestazioni del modello e ha aggiunto nuove funzionalità come l'ottimizzazione degli iperparametri, il monitoraggio integrato degli esperimenti e l'esportazione automatica nei formati più diffusi.
• YOLOv6 è stato reso disponibile da Meituan nel 2022 ed è in uso in molti dei robot di consegna autonomi dell'azienda.
• YOLOv7 ha aggiunto ulteriori compiti come la stima della posa sul set di dati COCO keypoints.
• YOLOv8 rilasciato nel 2023 da Ultralytics. YOLOv8 ha introdotto nuove funzionalità e miglioramenti per migliorare le prestazioni, la flessibilità e l'efficienza, supportando una gamma completa di attività di IA visiva,
• YOLOv9 introduce metodi innovativi come il Programmable Gradient Information (PGI) e il Generalized Efficient Layer Aggregation Network (GELAN).
• YOLOv10 è stato creato dai ricercatori dell'Università Tsinghua utilizzando il pacchetto Ultralytics Python pacchetto. Questa versione offre progressi nel rilevamento degli oggetti in tempo reale grazie all'introduzione di una testa End-to-End che elimina i requisiti di Soppressione Non Massima (NMS).
• YOLO11 🚀 NUOVO: Ultralytics' ultimi modelli di YOLO che offrono prestazioni allo stato dell'arte (SOTA) in molteplici attività, tra cui rilevamento, segmentazione, stima della posa, tracciamento e classificazione, sfruttando le capacità di diverse applicazioni e domini dell'intelligenza artificiale.

YOLO Licenze: Come viene rilasciata la licenza a Ultralytics YOLO ?

Ultralytics offre due opzioni di licenza per adattarsi a diversi casi d'uso:

• AGPL-3.0 Licenza: Questa licenza open-source approvata da OSI è ideale per gli studenti e gli appassionati, in quanto promuove la collaborazione aperta e la condivisione delle conoscenze. Per maggiori dettagli, consulta il file LICENZA.
• Licenza Enterprise: Progettata per uso commerciale, questa licenza permette di integrare perfettamente il software Ultralytics e i modelli di intelligenza artificiale in beni e servizi commerciali, aggirando i requisiti open-source di AGPL-3.0. Se il tuo scenario prevede l'integrazione delle nostre soluzioni in un'offerta commerciale, contattaci tramite Ultralytics Licensing.

La nostra strategia di concessione delle licenze è pensata per garantire che tutti i miglioramenti apportati ai nostri progetti open-source siano restituiti alla comunità. I principi dell'open source ci stanno a cuore ❤️ e la nostra missione è garantire che i nostri contributi possano essere utilizzati e ampliati in modo vantaggioso per tutti.

DOMANDE FREQUENTI

Cos'è Ultralytics YOLO e come migliora il rilevamento degli oggetti?

Ultralytics YOLO è l'ultima novità dell'acclamata serie YOLO (You Only Look Once) per il rilevamento degli oggetti in tempo reale e la segmentazione delle immagini. Si basa sulle versioni precedenti introducendo nuove funzionalità e miglioramenti per migliorare le prestazioni, la flessibilità e l'efficienza. YOLO supporta diverse attività di IA visiva come il rilevamento, la segmentazione, la stima della posa, il tracciamento e la classificazione. La sua architettura all'avanguardia garantisce velocità e precisione superiori, rendendola adatta a diverse applicazioni, tra cui dispositivi edge e API cloud.

Come posso iniziare l'installazione e la configurazione di YOLO ?

Iniziare a lavorare con YOLO è semplice e veloce. Puoi installare il pacchetto Ultralytics usando pip e iniziare a lavorare in pochi minuti. Ecco un comando di installazione di base:

pip install ultralytics

Per una guida completa passo-passo, visita la nostra guida rapida. Questa risorsa ti aiuterà con le istruzioni per l'installazione, la configurazione iniziale e l'esecuzione del tuo primo modello.

Come posso addestrare un modello personalizzato di YOLO sul mio set di dati?

L'addestramento di un modello personalizzato di YOLO sul tuo set di dati comporta alcuni passaggi dettagliati:

1. Prepara il tuo set di dati annotati.
2. Configura i parametri di allenamento in un file YAML.
3. Usa il tasto yolo TASK train per avviare l'addestramento. (Ogni TASK ha un proprio argomento)

Ecco un esempio di codice per l'attività di rilevamento degli oggetti:

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 detect train data=path/to/dataset.yaml epochs=100 imgsz=640

Per un'analisi dettagliata, consulta la nostra guida Addestrare un modello, che include esempi e consigli per ottimizzare il processo di formazione.

Quali sono le opzioni di licenza disponibili per Ultralytics YOLO ?

Ultralytics offre due opzioni di licenza per YOLO:

• AGPL-3.0 Licenza: Questa licenza open-source è ideale per l'uso educativo e non commerciale e promuove la collaborazione aperta.
• Licenza Enterprise: Questa licenza è pensata per le applicazioni commerciali e consente una perfetta integrazione del software Ultralytics nei prodotti commerciali senza le restrizioni della licenza AGPL-3.0 .

Per maggiori dettagli, visita la pagina delle licenze.

In che modo Ultralytics YOLO può essere utilizzato per il tracciamento di oggetti in tempo reale?

Ultralytics YOLO supporta il tracciamento efficiente e personalizzabile di più oggetti. Per utilizzare le funzionalità di tracciamento, puoi utilizzare l'opzione yolo track come mostrato di seguito:

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

Per una guida dettagliata sull'impostazione e l'esecuzione del tracciamento degli oggetti, consulta la nostra documentazione sulla modalità di tracciamento, che spiega la configurazione e le applicazioni pratiche in scenari in tempo reale.

📅 C reato 1 anno fa ✏️ Aggiornato 13 giorni fa

Commenti