YOLO11标志着YOLO家族的新篇章,提供了更强大,更多功能的模型,将计算机视觉带到新的高度。凭借其完善的架构和增强的功能,该模型支持计算机视觉任务,如姿态估计和实例分割,视觉AI社区已经爱上了Ultralytics YOLOv8,但具有更高的性能和精度。Ultralytics创始人兼首席执行官Glenn Jocher表示:“通过YOLO11,我们开始开发一种既强大又实用的模型,适用于现实世界的应用。提高了效率和成本。
以下为YOLO11支持的计算机视觉任务:
YOLO11建立在今年早些时候YOLOv9和YOLOv10的基础上,整合了改进的模型结构设计、增强的特征提取技术和优化的训练方法。真正让YOLO11脱颖而出的是它令人印象深刻的速度、准确性和效率的结合,使其成为Ultralytics迄今为止创造的最强大的型号之一。通过改进设计,YOLO11提供了更好的特征提取,这是从图像中识别重要模式和细节的过程,即使在具有挑战性的场景中,也可以更准确地捕捉复杂的方面。
值得注意的是,YOLO11m在COCO数据集上实现了更高的平均精度(mAP)得分,同时使用的参数比YOLOv8m少22%,使其在不牺牲性能的情况下计算更轻。这意味着它提供了更准确的结果,同时运行效率更高。最重要的是,YOLO11带来了更快的处理速度,推理时间比YOLOv10快约2%,使其成为实时应用程序的理想选择。
赋能AI社区
Ultralytics HUB 是一个可视化的 YOLO 模型的训练和部署的的平台,团队可以轻松地在 AI 项目上合作。Ultralytics HUB 还提供基于云的模型训练,对经过训练的模型可以导出各种格式进行部署,新手都可以快速上手。
AI智能相机
reCamera 是一款开源的可编程微型 AI 相机,基于 RISC-V 架构的SoC,可提供设备上 1 TOPS AI 性能。这是第一款支持最新 YOLO11的一个即插即用的相机,硬件和软件均已开源。
Node-RED 集成实现无代码工作流程,reCamera 的定制节点允许调用相机 API 并使用 TPU 将模型直接加载到设备上。只需三步即可轻松搞定:选择节点模块、配置节点、部署。
YOLOv11现已在官方github repo更新,快去体验吧!
原文链接: