YOLOv11算法详解,YOLOv11/v10/v8性能对比分析,谁才是真正的目标检测之王?

未分类1个月前发布 tree
17 0 0
YOLOv11算法详解,YOLOv11/v10/v8性能对比分析,谁才是真正的目标检测之王?

以下章来源于微信公众号:阿旭算法与机器学习

作者:阿旭

链接:https://mp.weixin.qq.com/s/ibLVI5rEnoJdrat5Usqkxg

本文仅用于学术分享,如有侵权,请联系台作删文处理

YOLOv11算法详解,YOLOv11/v10/v8性能对比分析,谁才是真正的目标检测之王?
导读
标检测任务在AI项目落地中扮演着至关重要的角色,是众多AI任务的前置算法,本文详细阐述了YOLOv11算法的改进方向、功能和性能,并与YOLOv10和YOLOv8进行比较,充分验证了YOLOv11在速度、准确性和多样任务支持等方面的有效性。

引言

2024年9月30日,Ultralytics在其活动YOLOVision中正式发布了YOLOv 11。YOLOv 11是由位于美国和西班牙的Ultralytics团队开发的YOLO的最新版本。YOLO是一种用于基于图像的人工智能的计算机模型。

YOLOv11算法详解,YOLOv11/v10/v8性能对比分析,谁才是真正的目标检测之王?
img

YOLOv 11与其他版本的YOLO相比的性能

YOLOv11改进方向

与YOLOv10相比,YOLOv11有了巨大的改进,包括但不限于:
  • 增强的模型结构:模型具有改进的模型结构,以获取图像处理并形成预测
  • GPU优化:这是现代ML模型的反映,GPU训练ML模型在速度和准确性上都更好。
  • 速度:YOLOv 11模型现在经过增强和GPU优化以用于训练。通过优化,这些模型比它们的前版本快得多。在速度上达到了25%的延迟减少!
  • 更少的参数:更少的参数允许更快的模型,但v11的准确性不受影响
  • 更具适应性:更多支持的任务YOLOv 11支持多种类型的任务、多种类型的对象和多种类型的图像。

YOLOv11功能介绍

Glenn Jocher和他的团队制作了一个令人敬畏的YOLOv 11迭代,并且在图像人工智能的各个方面都提供了YOLO。YOLOv 11有多种型号,包括:
  • 对象检测-在训练时检测图像中的对象
  • 图像分割-超越对象检测,分割出图像中的对象
  • 姿态检测-当用点和线训练时绘制一个人的姿势
  • 定向检测(OBB):类似于对象检测,但包围盒可以旋转
  • 图像分类-在训练时对图像进行分类
使用Ultralytics Library,这些模型还可以进行优化,以:
  • 跟踪-可以跟踪对象的路径
  • 易于导出-库可以以不同的格式和目的导出
  • 多场景-您可以针对不同的对象和图像训练模型
此外,Ultralytics还推出了YOLOv 11的企业模型,该模型将于10月31日发布。这将与开源的YOLOv 11模型并行,但将拥有更大的专有Ultralytics数据集。YOLOv 11是“建立在过去的成功”的其他版本的之上。

YOLOv11模型介绍

YOLOv 11附带了边界框模型(无后缀),实例分割(-seg),姿态估计(-pose),定向边界框(-obb)和分类(-cls)。
这些也有不同的尺寸:纳米(n),小(s),中(m),大(l),超大(x)。
YOLOv11算法详解,YOLOv11/v10/v8性能对比分析,谁才是真正的目标检测之王?
img

YOLOv11模型

YOLOv11与前版本对比

与YOLOv10和YOLOv8相比,YOLOv11在Ultralytics的任何帖子中都没有直接提到。所以我会收集所有的数据来比较它们。感谢Ultralytics:

检测:

YOLOv11算法详解,YOLOv11/v10/v8性能对比分析,谁才是真正的目标检测之王?
img

YOLOv11检测统计

YOLOv11算法详解,YOLOv11/v10/v8性能对比分析,谁才是真正的目标检测之王?
img

YOLOv10检测统计

其中,Nano的mAPval在v11上为39.5,v10上为38.5;Small为47.0 vs 46.3,Medium为51.5 vs 51.1,Large为53.4 vs 53.2,Extra Large为54.7vs 54.4。现在,这可能看起来像是一种增量增加,但小小数的增加可能会对ML模型产生很大影响。总体而言,YOLOv11以0.3 mAPval的优势追平或击败YOLOv10。
现在,我们必须看看速度。在延迟方面,Nano在v11上为1.55 , v10上为1.84,Small为2.46 v2.49,Medium为4.70 v4.74,Large为6.16 v7.28,Extra Large为11.31 v10.70。延迟越低越好。YOLOv11提供了一个非常低的延迟相比,除了特大做得相当差的前身。
总的来说,Nano模型是令人振奋的,速度更快,性能相当。Extra Large在性能上有很好的提升,但它的延迟非常糟糕。

分割:

YOLOv11算法详解,YOLOv11/v10/v8性能对比分析,谁才是真正的目标检测之王?
img

YOLOV11 分割统计

YOLOv11算法详解,YOLOv11/v10/v8性能对比分析,谁才是真正的目标检测之王?
img

YOLOV9 分割统计

YOLOv11算法详解,YOLOv11/v10/v8性能对比分析,谁才是真正的目标检测之王?
img

YOLOV8 分割数据

总体而言,YOLOv 11上的分割模型在大型和超大型模型方面比上一代YOLOv 8和YOLOv 9做得更好。
YOLOv 9 Segmentation没有提供任何关于延迟的统计数据。比较YOLOv 11延迟和YOLOv 8延迟,发现YOLOv 11比YOLOv 8快得多。YOLOv 11将大量GPU集成到他们的模型中,因此期望他们的模型甚至比CPU测试的基准更快!
姿态估计:
YOLOv11算法详解,YOLOv11/v10/v8性能对比分析,谁才是真正的目标检测之王?
img

YOLOV11姿态估计统计

YOLOv11算法详解,YOLOv11/v10/v8性能对比分析,谁才是真正的目标检测之王?
img

YOLOV8姿态估计统计

YOLOv 11的mAP 50 -95统计量也逐渐优于先前的YOLOv 8(除大型外)。然而,在速度方面,YOLOv 11姿势可以最大限度地减少延迟。其中一些延迟指标是版本的1/4!通过对这些模型进行GPU训练优化,我可以看到指标比显示的要好得多。

定向边界框:

YOLOv11算法详解,YOLOv11/v10/v8性能对比分析,谁才是真正的目标检测之王?
img

YOLOv11 OBB统计

YOLOv11算法详解,YOLOv11/v10/v8性能对比分析,谁才是真正的目标检测之王?
img

YOLOv8 OBB统计

OBB统计数据在mAP 50上并不是很好,只有非常小的改进,在某种程度上小于检测中的微小改进。然而,从v8到v11的速度减半,这表明YOLOv11在速度上做了很多努力。
最后,分类:
YOLOv11算法详解,YOLOv11/v10/v8性能对比分析,谁才是真正的目标检测之王?
img

YOLOv 11 CLS统计

YOLOv11算法详解,YOLOv11/v10/v8性能对比分析,谁才是真正的目标检测之王?
img

YOLOv8 CLS统计

从v8到v11,准确性也有了微小的提高。然而,速度大幅上升,CPU速度更快的型号。

总结

本文详细比较了YOLOv11与其前版本的性能比较,整体上看,在速度与性能上都有比较明显的提升。

推荐阅读

    YOLOv11算法详解,YOLOv11/v10/v8性能对比分析,谁才是真正的目标检测之王?

    江大白 | 这些年从0转行AI行业的一些感悟

    YOLOv11算法详解,YOLOv11/v10/v8性能对比分析,谁才是真正的目标检测之王?

    AI项目应用 | 万字长文教你一步步实现离岗识别


    AI行业大家有想问的,欢迎来《AI未来星球》,一起成长YOLOv11算法详解,YOLOv11/v10/v8性能对比分析,谁才是真正的目标检测之王?
    扫描下方二维码即可加入~

    YOLOv11算法详解,YOLOv11/v10/v8性能对比分析,谁才是真正的目标检测之王?


    你可以获得什么? 

    1、AI行业创业/工作/生活中遇到的各类问题,都可获高质量解答, 有效期一年,无限次提问,有问必答。

    2、购买过的,数万元的各类数据集的分享;

    3、定期邀请AI行业各类嘉宾分享,创业/商业等方面的经验!

    4、AI行业研发、产品、商业落地方面专业分享(大白主业,也在负责公司AI业务板块)

    帮助你解决遇到的实际问题,升职加薪!

    大家一起加油! YOLOv11算法详解,YOLOv11/v10/v8性能对比分析,谁才是真正的目标检测之王?

© 版权声明

相关文章

暂无评论

暂无评论...