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

Главная

Представляем Ultralytics YOLO11, последнюю версию известной модели обнаружения объектов и сегментации изображений в реальном времени. YOLO11 основана на передовых достижениях в области глубокого обучения и компьютерного зрения, предлагая беспрецедентную производительность с точки зрения скорости и точности. Ее оптимизированная конструкция делает ее подходящей 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.
• Компания Meituan открыла исходный код YOLOv6 в 2022 году, и она используется во многих автономных роботах-доставщиках компании.
• YOLOv7 добавила дополнительные задачи, такие как оценка позы на наборе данных COCO keypoints.
• 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 Ultralytics пакета Python, обеспечивает усовершенствования обнаружения объектов в реальном времени, представляя сквозную голову, которая устраняет требования к Non-Maximum Suppression (NMS).
• YOLO11 🚀 NEW: Новейшие модели YOLO от Ultralytics, обеспечивают современную (SOTA) производительность в различных задачах, включая обнаружение объектов, сегментацию, оценку позы, отслеживание и классификацию, используя возможности в различных приложениях и областях ИИ.

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 для того, чтобы любые улучшения наших проектов с открытым исходным кодом возвращались сообществу. Мы близко к сердцу ❤️ принимаем принципы открытого исходного кода, и наша миссия состоит в том, чтобы гарантировать, что наши вклады могут быть использованы и расширены способами, которые приносят 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 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 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 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 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

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 1 год назад ✏️ Обновлено 25 дней назад

Комментарии