Главная

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

Представляем вашему вниманию сайт Ultralytics YOLO11Новейшая версия известной модели обнаружения объектов и сегментации изображений в режиме реального времени. YOLO11 построена на основе передовых достижений в области глубокого обучения и компьютерного зрения, обеспечивая непревзойденную производительность в плане скорости и точности. Оптимизированный дизайн позволяет использовать ее в различных приложениях и легко адаптировать к различным аппаратным платформам, от граничных устройств до облачных API.

Ознакомьтесь с Ultralytics Docs - всеобъемлющим ресурсом, призванным помочь вам понять и использовать его функции и возможности. Независимо от того, являетесь ли вы опытным специалистом по машинному обучению или новичком в этой области, этот центр поможет вам максимально использовать потенциал YOLO в ваших проектах.

С чего начать

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

YOLO: Краткая история

YOLO (You Only Look Once), популярная модель обнаружения объектов и сегментации изображений, была разработана Джозефом Редмоном и Али Фархади в Университете Вашингтона. Выпущенная в 2015 году, YOLO быстро завоевала популярность благодаря высокой скорости и точности.

• YOLOv2, выпущенная в 2016 году, улучшила оригинальную модель, включив в нее пакетную нормализацию, якорные ящики и кластеры размерностей.
• YOLOv3, запущенная в 2018 году, еще больше повысила производительность модели за счет использования более эффективной магистральной сети, множества якорей и объединения пространственных пирамид.
• YOLOv4 была выпущена в 2020 году, в ней появились такие инновации, как увеличение данных Mosaic, новая головка обнаружения без якоря и новая функция потерь.
• YOLOv5 еще больше повысила производительность модели и добавила новые функции, такие как оптимизация гиперпараметров, интегрированное отслеживание экспериментов и автоматический экспорт в популярные форматы.
• YOLOv6 был открыт компанией Meituan в 2022 году и используется во многих автономных роботах-доставщиках компании.
• В YOLOv7 добавлены дополнительные задачи, такие как оценка позы по набору данных COCO keypoints.
• YOLOv8 Выпущена в 2023 году на сайте Ultralytics. На сайте YOLOv8 представлены новые функции и улучшения для повышения производительности, гибкости и эффективности, поддерживающие полный спектр задач ИИ зрения,
• В YOLOv9 представлены такие инновационные методы, как программируемая градиентная информация (PGI) и обобщенная эффективная сеть агрегирования слоев (GELAN).
• YOLOv10 создан исследователями из Университета Цинхуа с помощью пакета Ultralytics Python пакета. В этой версии реализованы усовершенствования в области обнаружения объектов в реальном времени за счет внедрения головки End-to-End, которая устраняет требования к немаксимальному подавлению (NMS).
• YOLO11 🚀 НОВИНКА: Ultralytics' новейшие модели YOLO , обеспечивающие самую современную производительность (SOTA) в различных задачах, включая обнаружение, сегментацию, оценку положения, отслеживание и классификацию, и использующие возможности различных приложений и областей ИИ.

YOLO Лицензии: Как лицензируется Ultralytics YOLO ?

Ultralytics предлагает два варианта лицензирования для различных вариантов использования:

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

Наша стратегия лицензирования направлена на то, чтобы любые улучшения в наших проектах с открытым исходным кодом возвращались сообществу. Принципы открытого исходного кода близки нам по духу ❤️, и наша задача - гарантировать, что наш вклад может быть использован и расширен таким образом, чтобы это было выгодно всем.

ЧАСТО ЗАДАВАЕМЫЕ ВОПРОСЫ

Что такое Ultralytics YOLO и как он улучшает обнаружение объектов.

Ultralytics YOLO это последнее достижение в известной серии YOLO (You Only Look Once) для обнаружения объектов и сегментации изображений в режиме реального времени. Она основана на предыдущих версиях и включает в себя новые функции и улучшения для повышения производительности, гибкости и эффективности. YOLO поддерживает различные задачи искусственного интеллекта, такие как обнаружение, сегментация, оценка положения, отслеживание и классификация. Его современная архитектура обеспечивает превосходную скорость и точность, что делает его подходящим для различных приложений, включая устройства с пограничным доступом и облачные API.

Как приступить к установке и настройке YOLO ?

Приступить к работе с YOLO можно быстро и просто. Вы можете установить пакет Ultralytics с помощью pip и приступить к работе за считанные минуты. Вот основная команда установки:

pip install ultralytics

Для получения исчерпывающего пошагового руководства посетите наше руководство по быстрому запуску. Этот ресурс поможет вам разобраться с инструкциями по установке, начальной настройке и запуску 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 аннотированный набор данных.
2. Настройте параметры обучения в файле YAML.
3. Используйте yolo TASK train чтобы начать обучение. (Каждый TASK имеет свой собственный аргумент)

Вот пример кода для задачи обнаружения объектов:

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

Для получения подробной информации ознакомьтесь с нашим руководством "Обучение модели", в котором приведены примеры и советы по оптимизации процесса обучения.

Какие варианты лицензирования доступны для Ultralytics YOLO ?

Ultralytics Предлагается два варианта лицензирования YOLO:

• AGPL-3.0 Лицензия: Эта лицензия с открытым исходным кодом идеально подходит для образовательного и некоммерческого использования, способствуя открытому сотрудничеству.
• Лицензия предприятия: Предназначена для коммерческих приложений и позволяет легко 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 режиме реального времени?

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

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

Для получения подробного руководства по настройке и запуску отслеживания объектов ознакомьтесь с нашей документацией по режиму отслеживания, в которой описана настройка и практическое применение в сценариях реального времени.

📅 Создано 1 год назад ✏️ Обновлено 20 дней назад

Комментарии