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

Link to this sectionTrang chủ#

Giới thiệu Ultralytics YOLO26, phiên bản mới nhất của model nhận diện đối tượng và phân đoạn ảnh thời gian thực được đánh giá cao. YOLO26 được xây dựng dựa trên những tiến bộ về deep learning và computer vision, với khả năng suy luận end-to-end không cần NMS và triển khai tối ưu trên thiết bị biên (edge). Thiết kế tinh gọn giúp model phù hợp với nhiều ứng dụng và dễ dàng thích ứng với các nền tảng phần cứng khác nhau, từ thiết bị biên đến các API đám mây. Đối với khối lượng công việc sản xuất ổn định, chúng tôi khuyến nghị sử dụng cả YOLO26 và YOLO11.

Khám phá Tài liệu Ultralytics, một nguồn tài nguyên toàn diện được thiết kế để giúp bạn hiểu và tận dụng các tính năng và khả năng của nền tảng. Cho dù bạn là một chuyên gia dày dạn kinh nghiệm về machine learning hay mới làm quen với lĩnh vực này, trung tâm tài liệu này nhằm mục đích tối đa hóa tiềm năng của YOLO trong các dự án của bạn.

Yêu cầu Giấy phép Doanh nghiệp cho mục đích thương mại tại Ultralytics Licensing.

Link to this sectionBắt đầu từ đâu#

Link to this sectionYOLO: Lược sử#

YOLO (You Only Look Once), một model object detection và image segmentation phổ biến, được phát triển bởi Joseph Redmon và Ali Farhadi tại Đại học Washington. Ra mắt vào năm 2015, YOLO trở nên phổ biến nhờ tốc độ và độ chính xác cao.

• YOLOv2, phát hành năm 2016, đã cải tiến model gốc bằng cách kết hợp batch normalization, anchor boxes và dimension clusters.
• YOLOv3, ra mắt năm 2018, tiếp tục nâng cao hiệu suất của model bằng cách sử dụng mạng xương sống (backbone network) hiệu quả hơn, nhiều anchor hơn và spatial pyramid pooling.
• YOLOv4 được phát hành vào năm 2020, giới thiệu các cải tiến như Mosaic data augmentation, một đầu phát hiện không dùng anchor mới và một loss function mới.
• YOLOv5 tiếp tục cải thiện hiệu suất của model và bổ sung các tính năng mới như tối ưu hóa siêu tham số, theo dõi thử nghiệm tích hợp và xuất tự động sang các định dạng xuất phổ biến.
• YOLOv6 được Meituan phát hành mã nguồn mở vào năm 2022 và được sử dụng trong nhiều robot giao hàng tự hành của công ty.
• YOLOv7 đã bổ sung các tác vụ bổ sung như ước tính tư thế (pose estimation) trên tập dữ liệu keypoints COCO.
• YOLOv8 được Ultralytics phát hành năm 2023, giới thiệu các tính năng và cải tiến mới để tăng hiệu suất, tính linh hoạt và hiệu quả, hỗ trợ đầy đủ các tác vụ vision AI.
• YOLOv9 giới thiệu các phương pháp sáng tạo như Programmable Gradient Information (PGI) và Generalized Efficient Layer Aggregation Network (GELAN).
• YOLOv10 created by researchers from Tsinghua University using the Ultralytics Python package, provides real-time object detection advancements by introducing an End-to-End head that eliminates Non-Maximum Suppression (NMS) requirements.
• YOLO11: Phát hành vào tháng 9 năm 2024, YOLO11 mang lại hiệu suất tuyệt vời trên nhiều tác vụ, bao gồm object detection, segmentation, pose estimation, tracking và classification, cho phép triển khai trên nhiều ứng dụng và lĩnh vực AI khác nhau.
• YOLO26 🚀: Model YOLO thế hệ tiếp theo của Ultralytics được tối ưu hóa cho việc triển khai trên thiết bị biên với khả năng suy luận end-to-end không cần NMS.

Link to this sectionGiấy phép YOLO: Ultralytics YOLO được cấp phép như thế nào?#

Ultralytics cung cấp hai tùy chọn cấp phép để đáp ứng các trường hợp sử dụng đa dạng:

• Giấy phép AGPL-3.0: Giấy phép mã nguồn mở được OSI phê duyệt này rất lý tưởng cho sinh viên và những người đam mê, thúc đẩy hợp tác mở và chia sẻ kiến thức. Xem tệp LICENSE để biết thêm chi tiết.
• Giấy phép Doanh nghiệp: Đối với mục đích phát triển và sản xuất, giấy phép này cho phép tích hợp liền mạch phần mềm và các mô hình AI của Ultralytics vào các sản phẩm và dịch vụ kinh doanh, bao gồm công cụ nội bộ, quy trình làm việc tự động và triển khai sản xuất, bỏ qua các yêu cầu mã nguồn mở của AGPL-3.0. Để bắt đầu, vui lòng liên hệ với chúng tôi qua Cấp phép Ultralytics.

Chiến lược cấp phép của chúng tôi được thiết kế để đảm bảo rằng bất kỳ cải tiến nào đối với các dự án mã nguồn mở của chúng tôi đều được trả lại cho cộng đồng. Chúng tôi tin tưởng vào mã nguồn mở và sứ mệnh của chúng tôi là đảm bảo rằng các đóng góp của chúng tôi có thể được sử dụng và mở rộng theo những cách mang lại lợi ích cho mọi người.

Link to this sectionSự phát triển của Object Detection#

Object detection đã phát triển đáng kể qua nhiều năm, từ các kỹ thuật computer vision truyền thống đến các model deep learning tiên tiến. YOLO family of models đã đi đầu trong sự phát triển này, liên tục vượt qua các giới hạn về khả năng thực thi trong nhận diện đối tượng thời gian thực.

Cách tiếp cận độc đáo của YOLO coi object detection là một bài toán hồi quy duy nhất, dự đoán bounding boxes và xác suất lớp trực tiếp từ hình ảnh đầy đủ trong một lần đánh giá. Phương pháp mang tính cách mạng này đã làm cho các model YOLO nhanh hơn đáng kể so với các bộ dò hai giai đoạn (two-stage detectors) trước đây trong khi vẫn duy trì độ chính xác cao.

Với mỗi phiên bản mới, YOLO đã giới thiệu các cải tiến về kiến trúc và các kỹ thuật sáng tạo giúp tăng cường hiệu suất trên nhiều chỉ số khác nhau. YOLO26 tiếp nối truyền thống này bằng cách kết hợp những tiến bộ mới nhất trong nghiên cứu computer vision, có tính năng suy luận end-to-end không cần NMS và triển khai tối ưu trên thiết bị biên cho các ứng dụng thực tế.

Link to this sectionCâu hỏi thường gặp#

Link to this sectionUltralytics YOLO là gì và nó cải thiện object detection như thế nào?#

Ultralytics YOLO là dòng YOLO (You Only Look Once) được đánh giá cao cho object detection và image segmentation thời gian thực. Model mới nhất, YOLO26, được xây dựng dựa trên các phiên bản trước bằng cách giới thiệu suy luận end-to-end không cần NMS và triển khai tối ưu trên thiết bị biên. YOLO hỗ trợ nhiều vision AI tasks như detection, instance segmentation, semantic segmentation, pose estimation, tracking và classification. Kiến trúc hiệu quả của nó đảm bảo tốc độ và độ chính xác tuyệt vời, giúp nó phù hợp với nhiều ứng dụng đa dạng, bao gồm thiết bị biên và API đám mây.

Link to this sectionLàm thế nào để bắt đầu cài đặt và thiết lập YOLO?#

Việc bắt đầu với YOLO rất nhanh chóng và đơn giản. Bạn có thể cài đặt gói Ultralytics bằng pip và bắt đầu sử dụng trong vài phút. Dưới đây là lệnh cài đặt cơ bản:

pip install -U ultralytics

Để có hướng dẫn chi tiết từng bước, hãy truy cập trang Quickstart của chúng tôi. Tài nguyên này sẽ giúp bạn với các hướng dẫn cài đặt, thiết lập ban đầu và chạy model đầu tiên của bạn.

Link to this sectionLàm thế nào để huấn luyện một model YOLO tùy chỉnh trên tập dữ liệu của tôi?#

Việc huấn luyện một model YOLO tùy chỉnh trên tập dữ liệu của bạn bao gồm một vài bước chi tiết:

1. Chuẩn bị tập dữ liệu đã được gán nhãn của bạn.
2. Cấu hình các tham số huấn luyện trong tệp YAML.
3. Sử dụng lệnh yolo TASK train để bắt đầu huấn luyện. (Mỗi TASK có đối số riêng)

Đây là ví dụ về mã cho Tác vụ Object Detection:

from ultralytics import YOLO

# Load a pretrained YOLO model (you can choose n, s, m, l, or x versions)
model = YOLO("yolo26n.pt")

# Start training on your custom dataset
model.train(data="path/to/dataset.yaml", epochs=100, imgsz=640)

Để có hướng dẫn chi tiết, hãy xem hướng dẫn Train a Model của chúng tôi, bao gồm các ví dụ và mẹo để tối ưu hóa quy trình huấn luyện của bạn.

Link to this sectionCác tùy chọn cấp phép nào có sẵn cho Ultralytics YOLO?#

Ultralytics cung cấp hai tùy chọn cấp phép cho YOLO:

• Giấy phép AGPL-3.0: Giấy phép mã nguồn mở này lý tưởng cho mục đích giáo dục và phi thương mại, thúc đẩy hợp tác mở.
• Giấy phép Doanh nghiệp: Dành cho mục đích phát triển và sản xuất, bao gồm các công cụ nội bộ, quy trình tự động và triển khai sản xuất, bỏ qua các yêu cầu mã nguồn mở của AGPL-3.0.

Để biết thêm chi tiết, hãy truy cập trang Licensing của chúng tôi.

Link to this sectionUltralytics YOLO có thể được sử dụng để theo dõi đối tượng thời gian thực như thế nào?#

Ultralytics YOLO hỗ trợ theo dõi đa đối tượng hiệu quả và có thể tùy chỉnh. Để sử dụng các khả năng theo dõi, bạn có thể sử dụng lệnh yolo track, như hình dưới đây:

from ultralytics import YOLO

# Load a pretrained YOLO model
model = YOLO("yolo26n.pt")

# Start tracking objects in a video
# You can also use live video streams or webcam input
model.track(source="path/to/video.mp4")

Để có hướng dẫn chi tiết về cách thiết lập và chạy theo dõi đối tượng, hãy xem tài liệu Track Mode của chúng tôi, giải thích về cấu hình và các ứng dụng thực tế trong các tình huống thời gian thực.