Object Detection SOTA 모델 Ultralytics YOLO11

Yolo 모델이 벌써 11까지 나왔다.

Ultralytics에서 지원되는 yolo 모델을 보면 YOLOv3 ~ YOLOv11/ SAM,SAM2, FastSAM, YOLO-World까지 다양한 모델들을 지원한다.

아마 많은 사람들이 사용하는 이유중 하나는 간편하게 학습을 할 수 있고 지속적으로 코드 관리는 한다는 점이 있을 것이다.

 

 

성능을 살펴보면 기존의 YOLOv10보다 좋은것을 확인할 수 있다 mAP 기준

https://github.com/ultralytics/ultralytics

 

 

YOLO11의 주요 특징

• 향상된 성능: YOLOv8m 대비 22% 적은 매개변수로 더 높은 mAP 점수 달성
• 다양한 작업 지원: 객체 감지, 분류, 포즈 추정, 인스턴스 분할 등
• 개선된 아키텍처: 더 정확한 특징 추출과 처리 속도 향상
• 유연한 배포: 클라우드 및 엣지 디바이스 모두에 적합

 

 

예시코드

from ultralytics import YOLO

# Load a model
model = YOLO("yolo11n.pt")

# Train the model
train_results = model.train(
    data="coco8.yaml",  # path to dataset YAML
    epochs=100,  # number of training epochs
    imgsz=640,  # training image size
    device="cpu",  # device to run on, i.e. device=0 or device=0,1,2,3 or device=cpu
)

# Evaluate model performance on the validation set
metrics = model.val()

# Perform object detection on an image
results = model("path/to/image.jpg")
results[0].show()

# Export the model to ONNX format
path = model.export(format="onnx")  # return path to exported mode

 

 

YOLO11은 컴퓨터 비전 분야에 새로운 가능성을 제시하며, AI 커뮤니티의 혁신을 이끌 것으로 기대됩니다. 정확성, 속도, 효율성을 결합한 이 모델은 실시간 애플리케이션에 특히 적합하며, 다양한 산업 분야에서 활용될 것으로 전망되며 자세한 내용은 YOLO Vision 컨퍼런스를 확인해보시면 좋을 것 같다.

https://www.ultralytics.com/ko/events/yolovision 

YOLO 비전 2024

 

 

 

참고자료

https://www.ultralytics.com/ko/events/yolovision

https://www.ultralytics.com/ko/blog/ultralytics-yolo11-has-arrived-redefine-whats-possible-in-ai