人工智能学习

YOLOVision (YOLOv11) 推出:目前为止我们知道的关于 YOLOv11 的一切

本文主要是介绍YOLOVision (YOLOv11) 推出:目前为止我们知道的关于 YOLOv11 的一切,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!

嗨,大家好,希望你们一切都好,今天我们要来聊聊最近YOLOVision发布的新版本YOLOv11。

YOLO(You Only Look Once)是一种图像识别模型,尤其是在对象检测、图像分割和姿态建模方面处于业界领先水平。

Ultralytics 是一家主要位于马德里和马里兰的大公司,全球各地均设有总部。他们一直是 YOLO 的主要开发力量。他们的许多开发成果包括:

  • YOLOv5,他们的第一个YOLO模型,也是他们进入该领域的入口
  • YOLOv8,他们最新的一款模型,以其在多个领域中的卓越表现而闻名
  • Ultralytics Python库,让这些模型的训练变得既简单又快速的库。

自从 Ultralytics 上一次活动发布了 YOLOv8 以来,已经宣布了两个新的 YOLO 版本。

  • YOLOv9,提供物体检测和语义分割,在这两个领域中比YOLOv8在精度和速度上更胜一筹
  • YOLOv10,是世界上速度最快、精度最高的物体检测模型。

迄今为止,当涉及到诸如姿势(它描绘人体姿态)、OBB(定向包围框,它提供旋转而非直角矩形框)和分类(它只是对图像中的对象进行分类)等其他任务时,YOLOv8仍然占据主导地位。这种情况将在Ultralytics举办的YOLOVision活动中改变。

Glenn Jocher,Ultralytics 的创始人,扔出了一颗彻底改变了图像人工智能领域的炸弹消息:YOLOv11 模型。

Glenn Jocher 在YV24。(感谢)Credits

YOLOv11究竟是什么?

这只是对YOLOv11的一个非常肤浅的了解。以下是我们目前知道的,等它一出来,我会做深入探讨,但这部分信息来自他们的博客。

首先,YOLOv11 是 YOLO 图像人工智能模型的第十一世代。从发布第一天起,它就将支持:

  • Ultralytics Python 包的兼容性:此 Python 包让训练这些模型变得非常简单,并且一发布即可立即使用。使用此包构建的先前数据集可以无缝地从旧模型转换为 YOLOv11。
  • 使用 Ultralytics HUB 服务:Ultralytics HUB 是他们的一个应用,可简化数据集处理工作。
  • GitHub 贡献:有一个准备就绪的 GitHub 仓库,可以处理大量关于 YOLO 的问题和支持。GitHub 仓库也将准备接受开发者的贡献。

这个 YOLOv11 是什么样:

YOLOv11 提供内容。鸣谢

  • 目标检测:YOLOv11可以检测物体,经过训练后,将在物体周围绘制出直边框,并为其分配标签。
  • OBB:定向边界框超越了目标检测,允许边界框在不同方向上而不是只沿0度方向。
  • 目标跟踪:现在可以使用目标检测来跟踪视频中物体的移动路径。
  • 实例分割:经过训练的模型可以从图像中分割出物体,而不只是用边界框来划分。
  • 图像分类:经过训练的模型可以将图像分类,并标注特定的标签。
  • 姿态估计:如前所述,模型现在可以用简单的点线来展示图像中的人体姿态。

根据这篇博客文章,这些新功能相比于其他产品应该能让速度和准确度大幅提升。

正因为这样, Ultralytics, 再次夺回了 YOLO 模型之王的地位,在各个方面都表现出色。

YOLOv11 物体检测示例。致谢

从第一天起就准备好了

正如我之前所说的,Ultralytics 让用户从第一天起就可以无缝地使用他们的模型,只需在代码中将模型名称从 yolov… 改为 yolov10 即可。就像这样:

    from ultralytics import YOLO  

    # 旧模型  
    model = YOLO('yolov8.pt')  
    # YOLOv11版本  
    model = YOLO('yolov11.pt')

只有一行代码被改了!

Ultralytics HUB的支持将从发布那天起开始提供。

接下来呢?我该怎么用YOLOv11?

不幸的是,截至撰写之时,YOLOv11仍未完全对公众开放。当它完全发布时,Ultralytics将会把这上传到他们的文档中。根据我的预测,其完整的文档链接应该是这个,如果该链接有效,就说明它很可能已经完全发布了。

我们预计他们会在星期一,9月30日发布全部内容。

请继续关注这些地方哦。

  • Ultralytics GitHub 仓库: 这是官方支持的仓库,你可以在这里寻求帮助。
  • Ultralytics 文档: 这是官方文档,展示如何使用 YOLOv11 在第一天。
  • 我的 Medium 页面: 我会在完整发布后写一篇关于 YOLOv10 的文章。您可以订阅以不错过任何更新。

总之,感谢您的支持。话说回来,您能看到这里真是太棒了,这说明您可能对我的文章感兴趣。如果您喜欢这篇文章,请别忘了点赞支持我,并在评论区分享您对YOLOv11的看法。

下次见,我要走了,回头见!

这篇关于YOLOVision (YOLOv11) 推出:目前为止我们知道的关于 YOLOv11 的一切的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!