Ultralytics YOLO11#

Panoramica#

YOLO11 è stato rilasciato da Ultralytics il 27 settembre 2024, offrendo eccellenti accuratezza, velocità ed efficienza. Sulla scia degli straordinari progressi delle versioni precedenti di YOLO, YOLO11 introduce miglioramenti significativi nell'architettura e nei metodi di addestramento, diventando una scelta versatile per un'ampia gamma di attività di visione artificiale. Per il modello Ultralytics più recente, con inferenza end-to-end senza NMS e distribuzione ottimizzata sui dispositivi edge, consulta YOLO26.

Funzionalità principali#

• Estrazione avanzata delle caratteristiche: YOLO11 utilizza un'architettura migliorata per la rete backbone e il neck, che potenzia le capacità di estrazione delle caratteristiche per un rilevamento degli oggetti più preciso e prestazioni migliori nelle attività complesse.
• Ottimizzato per efficienza e velocità: YOLO11 introduce architetture perfezionate e pipeline di addestramento ottimizzate, offrendo velocità di elaborazione maggiori e mantenendo un equilibrio ottimale tra accuratezza e prestazioni.
• Maggiore accuratezza con meno parametri: Grazie ai progressi nella progettazione dei modelli, YOLO11m raggiunge una precisione media media (mAP) più elevata sul dataset COCO usando il 22% di parametri in meno rispetto a YOLOv8m, con un'efficienza computazionale che non compromette l'accuratezza.
• Adattabilità a diversi ambienti: YOLO11 può essere distribuito senza difficoltà in vari ambienti, tra cui dispositivi edge, piattaforme cloud e sistemi compatibili con GPU NVIDIA, garantendo la massima flessibilità.
• Ampia gamma di attività supportate: Che si tratti di rilevamento di oggetti, segmentazione di istanze, classificazione delle immagini, stima della posa o rilevamento orientato degli oggetti (OBB), YOLO11 è progettato per affrontare un insieme diversificato di problemi di visione artificiale.

Attività e modalità supportate#

YOLO11 si basa sulla versatile gamma di modelli introdotta dalle precedenti versioni di Ultralytics YOLO e offre un supporto avanzato per diverse attività di visione artificiale:

Questa tabella offre una panoramica delle varianti del modello YOLO11, illustrandone l'idoneità per attività specifiche e la compatibilità con modalità operative come inferenza, convalida, addestramento ed esportazione. Questa flessibilità rende YOLO11 adatto a un'ampia gamma di applicazioni di visione artificiale, dal rilevamento in tempo reale alle attività di segmentazione complesse.

Metriche di prestazione#

Esempi d'uso#

Questa sezione presenta semplici esempi di addestramento e inferenza con YOLO11. Per la documentazione completa su queste e altre modalità, consulta le pagine della documentazione Predict, Train, Val ed Export.

Tieni presente che l'esempio seguente riguarda i modelli YOLO11 Detect per il rilevamento di oggetti. Per altre attività supportate, consulta la documentazione Segment, Classify, Pose e OBB.

from ultralytics import YOLO

# Carica un modello YOLO11n preaddestrato su COCO
model = YOLO("yolo11n.pt")

# Addestra il modello sul dataset di esempio COCO8 per 100 epoche
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Esegui l'inferenza con il modello YOLO11n sull'immagine 'bus.jpg'
results = model("path/to/bus.jpg")

Citazioni e ringraziamenti#

Se usi YOLO11 o un altro software di questo repository nel tuo lavoro, citaci nel formato seguente:

@software{yolo11_ultralytics,
  author = {Glenn Jocher and Jing Qiu},
  title = {Ultralytics YOLO11},
  version = {11.0.0},
  year = {2024},
  url = {https://github.com/ultralytics/ultralytics},
  orcid = {0000-0001-5950-6979, 0000-0003-3783-7069},
  license = {AGPL-3.0}
}

Tieni presente che il DOI è in attesa e sarà aggiunto alla citazione non appena sarà disponibile. I modelli YOLO11 sono distribuiti con licenze AGPL-3.0 ed Enterprise.

Domande frequenti#