Ultralytics YOLO11#

Tổng quan#

YOLO11 được Ultralytics phát hành vào ngày 27 tháng 9 năm 2024, mang lại độ chính xác, tốc độ và hiệu quả vượt trội. Dựa trên những tiến bộ ấn tượng của các phiên bản YOLO trước đó, YOLO11 giới thiệu những cải tiến đáng kể về kiến trúc và phương pháp huấn luyện, trở thành lựa chọn đa năng cho nhiều tác vụ thị giác máy tính. Để biết model Ultralytics mới nhất hỗ trợ suy luận end-to-end không cần NMS và triển khai biên được tối ưu hóa, hãy xem YOLO26.

Tính năng chính#

• Trích xuất đặc trưng nâng cao: YOLO11 sử dụng kiến trúc backbone và neck được cải tiến, giúp nâng cao khả năng trích xuất đặc trưng để phát hiện đối tượng chính xác hơn và xử lý các tác vụ phức tạp hiệu quả hơn.
• Tối ưu hiệu quả và tốc độ: YOLO11 giới thiệu các thiết kế kiến trúc được tinh chỉnh và pipeline huấn luyện được tối ưu hóa, giúp xử lý nhanh hơn đồng thời duy trì sự cân bằng tối ưu giữa độ chính xác và hiệu năng.
• Độ chính xác cao hơn với ít tham số hơn: Nhờ những tiến bộ trong thiết kế model, YOLO11m đạt độ chính xác trung bình (mAP) cao hơn trên tập dữ liệu COCO trong khi sử dụng ít hơn 22% tham số so với YOLOv8m, nhờ đó hiệu quả hơn về mặt tính toán mà không ảnh hưởng đến độ chính xác.
• Khả năng thích ứng trong nhiều môi trường: YOLO11 có thể được triển khai liền mạch trên nhiều môi trường khác nhau, bao gồm thiết bị biên, nền tảng đám mây và hệ thống hỗ trợ GPU NVIDIA, đảm bảo tính linh hoạt tối đa.
• Hỗ trợ nhiều tác vụ: Dù là phát hiện đối tượng, phân đoạn instance, phân loại ảnh, ước tính tư thế hay phát hiện đối tượng định hướng (OBB), YOLO11 đều được thiết kế để đáp ứng nhiều bài toán thị giác máy tính khác nhau.

Các tác vụ và chế độ được hỗ trợ#

YOLO11 phát triển dựa trên danh mục model đa năng được thiết lập qua các phiên bản Ultralytics YOLO trước đó, đồng thời tăng cường hỗ trợ cho nhiều tác vụ thị giác máy tính:

Bảng này cung cấp thông tin tổng quan về các biến thể model YOLO11, cho thấy khả năng áp dụng cho từng tác vụ cụ thể và mức độ tương thích với các chế độ vận hành như suy luận, validation, huấn luyện và export. Tính linh hoạt này giúp YOLO11 phù hợp với nhiều ứng dụng thị giác máy tính, từ phát hiện thời gian thực đến các tác vụ phân đoạn phức tạp.

Chỉ số hiệu năng#

Ví dụ sử dụng#

Phần này cung cấp các ví dụ đơn giản về huấn luyện và suy luận YOLO11. Để xem tài liệu đầy đủ về các chế độ này và các chế độ khác, hãy xem các trang tài liệu Predict, Train, Val và Export.

Lưu ý rằng ví dụ bên dưới dành cho các model YOLO11 Detect dùng để phát hiện đối tượng. Để xem các tác vụ được hỗ trợ khác, hãy tham khảo tài liệu Segment, Classify, Pose và OBB.

from ultralytics import YOLO

# Tải model YOLO11n được huấn luyện trước trên COCO
model = YOLO("yolo11n.pt")

# Huấn luyện model trên dataset mẫu COCO8 trong 100 epoch
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Chạy suy luận bằng model YOLO11n trên ảnh 'bus.jpg'
results = model("path/to/bus.jpg")

Trích dẫn và lời cảm ơn#

Nếu sử dụng YOLO11 hoặc bất kỳ phần mềm nào khác từ kho lưu trữ này trong công việc, vui lòng trích dẫn theo định dạng sau:

@software{yolo11_ultralytics,
  author = {Glenn Jocher and Jing Qiu},
  title = {Ultralytics YOLO11},
  version = {11.0.0},
  year = {2024},
  url = {https://github.com/ultralytics/ultralytics},
  orcid = {0000-0001-5950-6979, 0000-0003-3783-7069},
  license = {AGPL-3.0}
}

Xin lưu ý rằng DOI đang chờ cấp và sẽ được bổ sung vào trích dẫn khi có. Các model YOLO11 được cung cấp theo giấy phép AGPL-3.0 và Enterprise.

Câu hỏi thường gặp#