GPT
Y

YOLO11

קוד פתוח

Ultralyticsagpl-3.02024-10-16

  • ultralytics
  • yolo
  • object-detection
  • instance-segmentation
  • image-classification

משפחת מודלים לראייה ממוחשבת שמזהה אובייקטים, תנוחות ומקטעים בזמן אמת. תרצו אותה אם אתם צריכים זיהוי וידאו מהיר ישירות על החומרה שלכם.

  • 692 MBמשקל הקבצים
  • 13,893הורדות בחודש
  • 204לייקים

מה זה

המאגר הזה מרכז את דור 11 של סדרת הראייה של חברת Ultralytics, ומכיל משקלים בגדלים שונים, החל מגרסת ננו של 2.6 מיליון פרמטרים ועד גרסת אקסטרה של 56.9 מיליון פרמטרים. מעבר לזיהוי תיחום רגיל של 80 מחלקות ממאגר COCO, המודלים מגיעים מכוילים מראש גם למשימות חלוקה למקטעים, סיווג תמונות, הערכת תנוחות גוף ואפילו זיהוי בתיחום מסובב.

מבחינת ביצועים, גרסת ה־nano מגיעה לציון של 39.5 בבדיקת mAP 50-95 על תמונות בגודל 640 פיקסלים, בזמן שגרסת ה־x מגיעה ל־54.7. ההבדל הזה מתורגם ישירות לדיוק מול מהירות. הגרסה הקטנה דורשת פחות מ־7 מיליארד פעולות חישוב, בעוד הגרסה הגדולה דורשת קרוב ל־195 מיליארד, מה שמתאים לרמות חומרה שונות לגמרי.

מתאים ל

  • זיהוי תנועה בווידאו חי

    גרסת הננו רצה ב־1.5 מילישניות על כרטיס מסך, מה שמאפשר מעקב חלק אחר תנועה בקצבי פריימים גבוהים.

  • ניתוח תצלומי אוויר

    המודל הייעודי לתיחום מסובב תומך בתמונות של 1024 פיקסלים ומזהה עצמים בזוויות חדות על בסיס DOTAv1.

  • מעקב פעילות גופנית

    גרסאות התנוחה מאתרות נקודות שלד של בני אדם בדיוק של עד 69.5 mAP על נתוני מפתח של COCO.

איפה זה נופל

המודלים אומנו על מאגרי נתונים ספציפיים כמו COCO שמכיל 80 מחלקות בלבד, ImageNet שמכיל 1000 מחלקות, או DOTAv1 לתיחום מסובב. אם העצמים שאתם מחפשים לא נמצאים שם, תקבלו זיהויים שגויים ותצטרכו לאמן את המודל מחדש על דאטה משלכם. בנוסף, המהירות על מעבד צונחת משמעותית בדגמים הגדולים, עד מעל 460 מילישניות לפריים בודד בגרסת ה־x, מה שפוסל אותה מווידאו חי ללא מאיץ גרפי.

שאלות
נפוצות

האם אפשר להריץ את המודל על מחשב רגיל בלי כרטיס גרפי?

כן, גרסאות ה־nano וה־small מיועדות לכך. בריצת ONNX על גבי מעבד רגיל, גרסת הננו מעבדת תמונה בכ־56 מילישניות, שזה מספיק לקצב סביר של תמונות בודדות אך לא לווידאו כבד.

אפשר להשתמש במודל הזה באפליקציית SaaS של החברה שלי?

זה מסוכן מבחינה משפטית בגלל רישיון AGPL-3.0. אם תנגישו שירות שמבוסס עליו ברשת, הרישיון מחייב אתכם לפתוח את קוד המקור, אלא אם תפנו ליוצרים ותרכשו רישיון מסחרי.

איך מריצים

מתקינים את חבילת הפייתון באמצעות pip install ultralytics ומריצים ישירות דרך שורת הפקודה או בקוד פייתון פשוט מעל PyTorch 1.8 ומעלה. המשקלים שוקלים 692 מגה בייט בסך הכול עבור כל הקבצים במאגר, כך שההורדה קלה מאוד.

בגרסאות הקטנות כמו n ו־s אפשר להסתפק במעבד רגיל, שם הן רצות ב־56 עד 90 מילישניות באמצעות ייצוא ל־ONNX. אם אתם מכוונים לגרסאות m ומעלה, או רוצים ביצועי זמן אמת של 1.5 עד 11.3 מילישניות, חובה כרטיס גרפי ייעודי כמו T4 עם TensorRT. אין פה שירות ענן שמחייב אתכם, הריצה כולה מקומית אצלכם.

pip install -U huggingface_hub
hf download Ultralytics/YOLO11

הרישיון

הרישיון כאן הוא AGPL-3.0, וזה אומר שאם אתם משלבים את הקוד או המודל במערכת שלכם ומציעים אותה כשירות רשת, תצטרכו לשחרר את כל קוד המקור של המערכת תחת אותו רישיון. לחברות שרוצות להשתמש בזה במוצר מסחרי סגור, Ultralytics דורשת לרכוש מהם רישיון מסחרי נפרד.

הרישיון המלא בעמוד המודל ↗