Saltar para o conteúdo

Início

Apresentação Ultralytics YOLO11YOLO11 , a versão mais recente do aclamado modelo de deteção de objectos e segmentação de imagens em tempo real. O baseia-se em avanços de ponta em aprendizagem profunda e visão computacional, oferecendo um desempenho sem paralelo em termos de velocidade e precisão. O seu design simplificado torna-o adequado para várias aplicações e facilmente adaptável a diferentes plataformas de hardware, desde dispositivos periféricos a APIs na nuvem.

Explore os documentos do Ultralytics , um recurso abrangente concebido para o ajudar a compreender e utilizar as suas funcionalidades e capacidades. Quer seja um profissional experiente em aprendizagem automática ou um novato na área, este centro visa maximizar o potencial do YOLO nos seus projectos


Ultralytics GitHub espaço Ultralytics LinkedIn espaço Ultralytics Twitter espaço Ultralytics YouTube espaço Ultralytics TikTok espaço Ultralytics BiliBili espaço Ultralytics Discórdia

Por onde começar

  •   Começar a trabalhar


    Instalar ultralytics com o pip e começar a trabalhar em minutos para treinar um modelo YOLO


    Início rápido

  •   Prever


    Prever novas imagens, vídeos e fluxos com YOLO
     


    Saiba mais

  •   Treinar um modelo


    Treinar um novo modelo YOLO no seu próprio conjunto de dados personalizado a partir do zero ou carregar e treinar num modelo pré-treinado


    Saiba mais

  •   Explorar tarefas


    Descubra YOLO tarefas como detetar, segmentar, classificar, posicionar, OBB e localizar
     


    Explorar tarefas

  • 🚀   Explorar YOLO11 NOVO


    Descubra os mais recentes modelos Ultralytics' de última geração YOLO11 e as suas capacidades
     


    YOLO11 Modelos 🚀 NOVO

  •   Código aberto, AGPL-3.0


    Ultralytics oferece duas opções de licenciamento para YOLO: AGPL-3.0 Licença e Licença Empresarial. Ultralytics está disponível no GitHub


    Licença



Ver: Como treinar um modelo YOLO no seu conjunto de dados personalizado em Google Colab.

YOLO: Uma breve história

YOLO (You Only Look Once), um modelo popular de deteção de objectos e segmentação de imagens, foi desenvolvido por Joseph Redmon e Ali Farhadi na Universidade de Washington. Lançado em 2015, o YOLO ganhou rapidamente popularidade pela sua elevada velocidade e precisão.

  • O YOLOv2, lançado em 2016, melhorou o modelo original ao incorporar a normalização de lotes, caixas de ancoragem e clusters de dimensão.
  • O YOLOv3, lançado em 2018, melhorou ainda mais o desempenho do modelo, utilizando uma rede de base mais eficiente, múltiplas âncoras e agrupamento de pirâmides espaciais.
  • O YOLOv4 foi lançado em 2020, introduzindo inovações como o aumento de dados Mosaic, uma nova cabeça de deteção sem âncoras e uma nova função de perda.
  • YOLOv5 melhorou ainda mais o desempenho do modelo e acrescentou novas funcionalidades, como a otimização de hiperparâmetros, o acompanhamento integrado de experiências e a exportação automática para formatos de exportação populares.
  • O YOLOv6 foi aberto pela Meituan em 2022 e está a ser utilizado em muitos dos robôs de entrega autónomos da empresa.
  • O YOLOv7 acrescentou tarefas adicionais, como a estimativa de pose no conjunto de dados COCO keypoints.
  • YOLOv8 lançado em 2023 por Ultralytics. YOLOv8 introduziu novas funcionalidades e melhorias para um melhor desempenho, flexibilidade e eficiência, suportando uma gama completa de tarefas de IA de visão,
  • O YOLOv9 introduz métodos inovadores como o Programmable Gradient Information (PGI) e a Generalized Efficient Layer Aggregation Network (GELAN).
  • O YOLOv10 foi criado por investigadores da Universidade de Tsinghua utilizando o pacote Ultralytics Python pacote. Esta versão oferece avanços na deteção de objectos em tempo real, introduzindo uma cabeça End-to-End que elimina os requisitos de Supressão Não Máxima (NMS).
  • YOLO11 🚀 NOVO: Ultralytics' YOLO modelos mais recentes que oferecem desempenho de ponta (SOTA) em várias tarefas, incluindo deteção, segmentação, estimativa de pose, rastreamento e classificação, alavancam recursos em diversas aplicações e domínios de IA.

YOLO Licenças: Como é que Ultralytics YOLO é licenciado?

Ultralytics oferece duas opções de licenciamento para acomodar diversos casos de utilização:

  • AGPL-3.0 Licença: Esta licença de código aberto aprovada pela OSI é ideal para estudantes e entusiastas, promovendo a colaboração aberta e a partilha de conhecimentos. Veja o ficheiro LICENSE para mais detalhes.
  • Licença Empresarial: Concebida para utilização comercial, esta licença permite a integração perfeita do software Ultralytics e dos modelos de IA em bens e serviços comerciais, contornando os requisitos de código aberto de AGPL-3.0. Se o seu cenário envolver a incorporação das nossas soluções numa oferta comercial, contacte-nos através de Ultralytics Licenciamento.

A nossa estratégia de licenciamento foi concebida para garantir que quaisquer melhorias nos nossos projectos de código aberto sejam devolvidas à comunidade. Mantemos os princípios do código aberto perto dos nossos corações ❤️, e a nossa missão é garantir que as nossas contribuições possam ser utilizadas e expandidas de forma a serem benéficas para todos.

FAQ

O que é Ultralytics YOLO e como é que melhora a deteção de objectos?

Ultralytics YOLO é o mais recente avanço da aclamada série YOLO (You Only Look Once) para deteção de objectos e segmentação de imagens em tempo real. Baseia-se nas versões anteriores, introduzindo novas funcionalidades e melhorias para um melhor desempenho, flexibilidade e eficiência. O YOLO suporta várias tarefas de IA de visão, tais como deteção, segmentação, estimativa de pose, seguimento e classificação. A sua arquitetura de ponta garante uma velocidade e precisão superiores, tornando-o adequado para diversas aplicações, incluindo dispositivos de ponta e APIs de nuvem.

Como posso começar a instalação e configuração do YOLO ?

Começar a utilizar o YOLO é rápido e direto. Pode instalar o pacote Ultralytics utilizando o pip e começar a funcionar em minutos. Aqui está um comando básico de instalação:

Instalação com pip

pip install ultralytics

Para obter um guia passo a passo completo, visite o nosso guia de início rápido. Este recurso ajudá-lo-á com as instruções de instalação, configuração inicial e execução do seu primeiro modelo.

Como é que posso treinar um modelo YOLO personalizado no meu conjunto de dados?

Treinar um modelo YOLO personalizado no seu conjunto de dados envolve alguns passos detalhados:

  1. Prepare o seu conjunto de dados anotados.
  2. Configurar os parâmetros de treino num ficheiro YAML.
  3. Utilizar o yolo TASK train para iniciar o treino. (Cada TASK tem o seu próprio argumento)

Eis um exemplo de código para a tarefa de deteção de objectos:

Exemplo de treino para a tarefa de deteção de objectos

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

Para uma explicação detalhada, consulte o nosso guia Formar um modelo, que inclui exemplos e sugestões para otimizar o seu processo de formação.

Quais são as opções de licenciamento disponíveis para Ultralytics YOLO ?

Ultralytics oferece duas opções de licenciamento para YOLO:

  • AGPL-3.0 Licença: Esta licença de código aberto é ideal para uso educacional e não comercial, promovendo a colaboração aberta.
  • Licença Empresarial: Esta licença foi concebida para aplicações comerciais, permitindo uma integração perfeita do software Ultralytics em produtos comerciais sem as restrições da licença AGPL-3.0 .

Para mais informações, visite a nossa página de Licenciamento.

Como pode o Ultralytics YOLO ser utilizado para o seguimento de objectos em tempo real?

Ultralytics YOLO suporta o seguimento eficiente e personalizável de vários objectos. Para utilizar as capacidades de seguimento, pode utilizar a função yolo track como mostrado abaixo:

Exemplo de seguimento de objectos num vídeo

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 obter um guia detalhado sobre como configurar e executar o seguimento de objectos, consulte a nossa documentação sobre o modo de seguimento, que explica a configuração e as aplicações práticas em cenários em tempo real.

📅C riado há 1 ano ✏️ Atualizado há 16 dias

Comentários