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

Главная

Представляем Ultralytics YOLO11 — новейшую версию известной модели обнаружения объектов и segment изображений в реальном времени. YOLO11 построена на передовых достижениях в области глубокого обучения и компьютерного зрения, предлагая беспрецедентную производительность с точки зрения скорости и точности. Ее оптимизированная конструкция делает ее пригодной для различных приложений и легко адаптируемой к различным аппаратным платформам, от периферийных устройств до облачных API.

Изучите документацию Ultralytics, всеобъемлющий ресурс, разработанный, чтобы помочь вам понять и использовать ее функции и возможности. Независимо от того, являетесь ли вы опытным специалистом в области машинного обучения или новичком в этой области, этот центр призван максимально раскрыть потенциал YOLO в ваших проектах.

С чего начать

Смотреть: Как обучить модель YOLO11 на вашем пользовательском наборе данных в Google Colab.

YOLO: Краткая история

YOLO (You Only Look Once) — популярная модель обнаружения объектов и сегментации изображений, разработанная Джозефом Редмоном и Али Фархади в Вашингтонском университете. Запущенная в 2015 году, YOLO приобрела популярность благодаря своей высокой скорости и точности.

• YOLOv2, выпущенная в 2016 году, улучшила исходную модель за счет включения пакетной нормализации, якорных блоков и кластеров размеров.
• YOLOv3, выпущенная в 2018 году, еще больше повысила производительность модели, используя более эффективную базовую сеть, несколько якорей и пространственный пирамидальный пулинг.
• YOLOv4 была выпущена в 2020 году, представив такие инновации, как Mosaic аугментация данных, новую anchor-free детекцию и новую функцию потерь.
• YOLOv5 еще больше улучшила производительность модели и добавила новые функции, такие как оптимизация гиперпараметров, интегрированное отслеживание экспериментов и автоматический экспорт в популярные форматы экспорта.
• YOLOv6 была разработана компанией Meituan в 2022 году с открытым исходным кодом и используется во многих автономных роботах-доставщиках компании.
• YOLOv7 добавила дополнительные задачи, такие как оценка позы на наборе данных ключевых точек COCO.
• YOLOv8, выпущенная Ultralytics в 2023 году, представила новые функции и улучшения для повышения производительности, гибкости и эффективности, поддерживая полный спектр задач компьютерного зрения.
• YOLOv9 представляет инновационные методы, такие как Programmable Gradient Information (PGI) и Generalized Efficient Layer Aggregation Network (GELAN).
• YOLOv10, созданная исследователями из Университета Цинхуа с использованием Ultralyticsпакета Python, обеспечивает усовершенствования detect объектов в реальном времени, представляя сквозную головку, которая устраняет требования к Non-Maximum Suppression (NMS).
• YOLO11 🚀: Новейшие модели YOLO от Ultralytics обеспечивают современную (SOTA) производительность в различных задачах, включая object detection, segmentation, pose estimation, tracking и classification, что позволяет развертывать их в различных приложениях и областях ИИ.
• YOLO26 ⚠️ Скоро: YOLO модель следующего поколения от Ultralytics, оптимизированная для развертывания на периферии с end-to-end выводом без NMS.

Лицензии YOLO: Как лицензируется Ultralytics YOLO?

Ultralytics предлагает два варианта лицензирования для различных случаев использования:

• Лицензия AGPL-3.0: Эта одобренная OSI лицензия с открытым исходным кодом идеально подходит для студентов и энтузиастов, способствуя открытому сотрудничеству и обмену знаниями. Подробности см. в файле LICENSE.
• Корпоративная лицензия: Эта лицензия, предназначенная для коммерческого использования, позволяет плавно интегрировать программное обеспечение и модели искусственного интеллекта Ultralytics в коммерческие товары и услуги, минуя требования открытого исходного кода AGPL-3.0. Если ваш сценарий включает в себя внедрение наших решений в коммерческое предложение, свяжитесь с нами через Ultralytics Licensing.

Наша стратегия лицензирования разработана таким образом, чтобы любые усовершенствования наших проектов с открытым исходным кодом возвращались сообществу. Мы верим в открытый исходный код, и наша миссия состоит в том, чтобы обеспечить возможность использования и расширения наших вкладов таким образом, чтобы это приносило пользу всем.

Эволюция обнаружения объектов

Обнаружение объектов значительно эволюционировало за эти годы, от традиционных методов компьютерного зрения до передовых моделей глубокого обучения. Семейство моделей YOLO находится в авангарде этой эволюции, постоянно расширяя границы возможного в обнаружении объектов в реальном времени.

Уникальный подход YOLO рассматривает обнаружение объектов как единую задачу регрессии, предсказывая ограничивающие рамки и вероятности классов непосредственно из полных изображений за одну оценку. Этот революционный метод сделал модели YOLO значительно быстрее, чем предыдущие двухэтапные детекторы, при этом сохраняя высокую точность.

С каждой новой версией YOLO представляет архитектурные улучшения и инновационные методы, которые повышают производительность по различным показателям. YOLO11 продолжает эту традицию, внедряя последние достижения в исследованиях компьютерного зрения, предлагая еще более выгодный компромисс между скоростью и точностью для реальных приложений.

Часто задаваемые вопросы

Что такое Ultralytics YOLO и как это улучшает обнаружение объектов?

Ultralytics YOLO - это последнее достижение в известной серии YOLO (You Only Look Once) для обнаружения объектов и сегментации изображений в реальном времени. Он основан на предыдущих версиях, представляя новые функции и улучшения для повышения производительности, гибкости и эффективности. YOLO поддерживает различные задачи компьютерного зрения, такие как обнаружение, сегментация, оценка позы, отслеживание и классификация. Его современная архитектура обеспечивает превосходную скорость и точность, что делает его подходящим для различных приложений, включая периферийные устройства и облачные API.

Как начать работу с установкой и настройкой YOLO?

Начать работу с YOLO можно быстро и просто. Вы можете установить пакет Ultralytics с помощью pip и начать работу за считанные минуты. Вот основная команда установки:

pip install -U ultralytics

Для получения подробного пошагового руководства посетите нашу страницу Quickstart. Этот ресурс поможет вам с инструкциями по установке, начальной настройкой и запуском вашей первой модели.

Как обучить пользовательскую модель YOLO на моем наборе данных?

Обучение пользовательской модели YOLO на вашем наборе данных включает в себя несколько подробных шагов:

1. Подготовьте свой аннотированный набор данных.
2. Настройте параметры обучения в YAML-файле.
3. Используйте yolo TASK train команду для начала обучения. (У каждого TASK есть свой аргумент)

Вот пример кода для задачи обнаружения объектов:

from ultralytics import YOLO

# Load a pretrained 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

Для подробного ознакомления ознакомьтесь с нашим руководством Обучение модели, которое включает примеры и советы по оптимизации процесса обучения.

Какие варианты лицензирования доступны для Ultralytics YOLO?

Ultralytics предлагает два варианта лицензирования для YOLO:

• Лицензия AGPL-3.0: Эта лицензия с открытым исходным кодом идеально подходит для образовательного и некоммерческого использования, способствуя открытому сотрудничеству.
• Корпоративная лицензия: Предназначена для коммерческих приложений, позволяя беспрепятственно интегрировать программное обеспечение Ultralytics в коммерческие продукты без ограничений лицензии AGPL-3.0.

Для получения более подробной информации посетите нашу страницу Лицензирование.

Как Ultralytics YOLO можно использовать для отслеживания объектов в реальном времени?

Ultralytics YOLO поддерживает эффективное и настраиваемое отслеживание нескольких объектов. Чтобы использовать возможности отслеживания, вы можете использовать yolo track команду, как показано ниже:

from ultralytics import YOLO

# Load a pretrained 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

Подробное руководство по настройке и запуску отслеживания объектов можно найти в нашей документации по Режиму отслеживания, где объясняются конфигурация и практическое применение в сценариях реального времени.

📅 Создано 2 года назад ✏️ Обновлено 0 дней назад

Комментарии