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

Casa

Introduzione Ultralytics YOLO11YOLO11 è la versione più recente dell'acclamato modello di rilevamento degli oggetti e di segmentazione delle immagini in tempo reale. 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.

Esplorate i documenti di Ultralytics , una risorsa completa progettata per aiutarvi a comprendere e utilizzare le sue caratteristiche e capacità. Sia che siate esperti di machine learning o che siate alle prime armi, questo hub mira a massimizzare il potenziale di YOLO nei vostri progetti.

Da dove iniziare

Guarda: Come addestrare un modello YOLO11 su un set di dati personalizzato in Google Colab.

YOLO: 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 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 ulteriormente migliorato le prestazioni del modello utilizzando una rete dorsale più efficiente, ancore multiple e pooling piramidale 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 tracciamento integrato degli esperimenti e l'esportazione automatica nei formati più diffusi.
• YOLOv6 è stato reso disponibile da Meituan nel 2022 ed è utilizzato 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, ha introdotto nuove funzionalità e miglioramenti per migliorare le prestazioni, la flessibilità e l'efficienza, supportando una gamma completa di attività di IA di visione.
• YOLOv9 introduce metodi innovativi come la Programmable Gradient Information (PGI) e la Generalized Efficient Layer Aggregation Network (GELAN).
• YOLOv10 creato dai ricercatori dell'Università Tsinghua utilizzando il software Ultralytics Python , offre progressi nel rilevamento degli oggetti in tempo reale introducendo una testa End-to-End che elimina i requisiti di soppressione non massima (NMS).
• YOLO11 🚀 NOVITÀ: gli ultimi modelli YOLO di Ultralytics offrono prestazioni allo stato dell'arte (SOTA) in diversi compiti, tra cui il rilevamento di oggetti, la segmentazione, la stima della posa, il tracciamento e la 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 soddisfare diversi casi d'uso:

• AGPL-3.0 Licenza: Questa licenza open-source approvata dall'OSI è ideale per studenti e appassionati, in quanto promuove la collaborazione aperta e la condivisione delle conoscenze. Per maggiori dettagli, consultare 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 vostro scenario prevede l'incorporazione delle nostre soluzioni in un'offerta commerciale, contattate 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.

L'evoluzione del rilevamento degli oggetti

Il rilevamento degli oggetti si è evoluto in modo significativo nel corso degli anni, passando dalle tecniche tradizionali di visione artificiale ai modelli avanzati di apprendimento profondo. La famiglia di modelliYOLO è stata all'avanguardia in questa evoluzione, spingendo costantemente i confini di ciò che è possibile fare nel rilevamento degli oggetti in tempo reale.

L'approccio unico di YOLO tratta il rilevamento degli oggetti come un unico problema di regressione, prevedendo i riquadri di delimitazione e le probabilità di classe direttamente dalle immagini complete in un'unica valutazione. Questo metodo rivoluzionario ha reso i modelli YOLO significativamente più veloci rispetto ai precedenti rilevatori a due stadi, pur mantenendo un'elevata precisione.

Con ogni nuova versione, YOLO ha introdotto miglioramenti architetturali e tecniche innovative che hanno migliorato le prestazioni in varie metriche. YOLO11 continua questa tradizione incorporando i più recenti progressi nella ricerca sulla computer vision, offrendo un compromesso ancora migliore tra velocità e precisione per le applicazioni reali.

FAQ

Che 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 e la segmentazione delle immagini in tempo reale. 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 di visione come il rilevamento, la segmentazione, la stima della posa, il tracciamento e la classificazione. La sua architettura all'avanguardia garantisce velocità e precisione superiori, rendendolo adatto a diverse applicazioni, tra cui dispositivi edge e API cloud.

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

Iniziare con YOLO è semplice e veloce. È possibile 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, visitate la nostra pagina Quickstart. Questa risorsa vi aiuterà con le istruzioni per l'installazione, la configurazione iniziale e l'esecuzione del vostro primo modello.

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

L'addestramento di un modello YOLO personalizzato sul vostro set di dati comporta alcune fasi dettagliate:

1. Preparare il set di dati annotati.
2. Configurare i parametri di addestramento in un file YAML.
3. Utilizzare il yolo TASK train per avviare l'addestramento. (Ogni TASK ha un proprio argomento)

Ecco un esempio di codice per il task Rilevamento 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, consultate la nostra guida Addestrare un modello, che include esempi e suggerimenti 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 progettata per applicazioni commerciali e consente una perfetta integrazione del software Ultralytics in prodotti commerciali senza le restrizioni della licenza AGPL-3.0 .

Per maggiori dettagli, visitate la pagina delle licenze.

Come si può utilizzare Ultralytics YOLO 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, è possibile 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, consultate la nostra documentazione sulla modalità Track, che spiega la configurazione e le applicazioni pratiche in scenari in tempo reale.

📅C reato 1 anno fa ✏️ Aggiornato 4 giorni fa

Commenti