Ultralytics YOLO

Deskripsi

Ultralytics YOLO adalah kerangka kerja AI komprehensif yang terkenal dengan kemampuannya dalam deteksi objek dan segmentasi gambar secara real-time. Iterasi terbaru, YOLO26, mewakili generasi berikutnya dari AI visi, dibangun di atas kemajuan deep learning dan computer vision yang signifikan. Ia menampilkan inferensi NMS-free end-to-end dan penerapan edge yang dioptimalkan, membuatnya sangat mudah beradaptasi untuk berbagai platform perangkat keras, dari perangkat edge ringkas hingga API cloud yang kuat.

Kerangka kerja ini dirancang untuk menyederhanakan seluruh alur kerja computer vision, mulai dari anotasi dan pelatihan hingga penerapan. Pengguna dapat menganotasi, melatih, dan menerapkan model YOLO dengan mudah. Ultralytics Docs berfungsi sebagai pusat utama untuk memahami dan memanfaatkan fitur-fitur kerangka kerja, melayani praktisi machine learning berpengalaman maupun pendatang baru di bidang ini. Tujuannya adalah untuk memaksimalkan potensi YOLO dalam berbagai proyek.

Keluarga YOLO memiliki sejarah yang kaya, dimulai dengan rilis awal Joseph Redmon dan Ali Farhadi pada tahun 2015. Versi selanjutnya, termasuk YOLOv2, YOLOv3, YOLOv4, YOLOv5, YOLOv6, YOLOv7, YOLOv8, YOLOv9, YOLOv10, dan YOLO11 terbaru, secara konsisten memperkenalkan peningkatan arsitektur dan teknik inovatif. YOLO26 melanjutkan evolusi ini, menawarkan kinerja, fleksibilitas, dan efisiensi yang ditingkatkan untuk berbagai tugas AI visi.

Ultralytics menyediakan opsi lisensi yang fleksibel, termasuk lisensi open-source AGPL-3.0 untuk pelajar dan penggemar, serta Lisensi Enterprise untuk penggunaan komersial. Pendekatan ganda ini memastikan bahwa meskipun kolaborasi terbuka didorong, bisnis dapat mengintegrasikan perangkat lunak dan model AI Ultralytics ke dalam produk dan layanan mereka dengan mulus. Kerangka kerja ini mendukung berbagai tugas computer vision, termasuk deteksi, segmentasi instance, segmentasi semantik, estimasi pose, pelacakan, dan klasifikasi, menjadikannya alat yang serbaguna bagi pengembang dan peneliti.

Fitur Inti Ultralytics YOLO

• Deteksi objek real-time

• Segmentasi gambar

• Model YOLO26 dengan inferensi NMS-free

• Penerapan edge yang dioptimalkan

• Penerapan API cloud

• Dukungan untuk tugas deteksi, segmentasi, estimasi pose, pelacakan, dan klasifikasi

• Alur kerja anotasi, pelatihan, dan penerapan yang disederhanakan

• Lisensi open-source AGPL-3.0

• Lisensi Enterprise untuk penggunaan komersial

• Integrasi dengan dataset kustom

• Kemampuan pelacakan multi-objek

Memulai dengan Ultralytics YOLO

1. 1

   Instalasi: Instal paket ultralytics menggunakan pip.

2. 2

   Mulai Cepat: Ikuti panduan mulai cepat untuk pengaturan awal dan menjalankan model pertama Anda.

3. 3

   Prediksi: Gunakan mode prediksi untuk inferensi pada gambar, video, dan stream.

4. 4

   Pelatihan: Latih model YOLO baru pada dataset kustom menggunakan mode latih.

5. 5

   Eksplorasi Tugas: Temukan dan implementasikan berbagai tugas computer vision seperti deteksi, segmentasi, dan pose.

6. 6

   Pelacakan: Implementasikan pelacakan multi-objek menggunakan perintah lacak.

7. 7

   Penerapan: Terapkan model ke perangkat edge atau API cloud.

Kasus Penggunaan Ultralytics YOLO

• Deteksi Objek
• Segmentasi Gambar
• Estimasi Pose
• Pelacakan Objek
• Sistem Otonom
• Pengawasan dan Keamanan
• Analisis Pencitraan Medis
• Analitik Ritel

FAQ dari Ultralytics YOLO

• Apa itu Ultralytics YOLO dan bagaimana cara meningkatkan deteksi objek?

  Ultralytics YOLO adalah kerangka kerja AI untuk deteksi objek dan segmentasi gambar secara real-time. Model YOLO26 terbaru meningkatkan kinerja dengan inferensi NMS-free end-to-end dan penerapan edge yang dioptimalkan, mendukung tugas-tugas seperti deteksi, segmentasi, estimasi pose, dan pelacakan.

• Bagaimana cara memulai dengan instalasi dan pengaturan YOLO?

  Anda dapat menginstal Ultralytics YOLO dengan mudah menggunakan pip dengan perintah 'pip install -U ultralytics'. Panduan langkah demi langkah yang komprehensif tersedia di halaman Mulai Cepat untuk membantu Anda dengan instalasi dan pengaturan awal.

• Bagaimana cara melatih model YOLO kustom pada dataset saya?

  Untuk melatih model YOLO kustom, siapkan dataset Anda yang dianotasi, konfigurasikan parameter pelatihan dalam file YAML, dan gunakan perintah 'yolo TASK train'. Misalnya, 'model.train(data="path/to/dataset.yaml", epochs=100, imgsz=640)' untuk deteksi objek.

• Apa saja opsi lisensi yang tersedia untuk Ultralytics YOLO?

  Ultralytics menawarkan dua opsi lisensi: lisensi open-source AGPL-3.0, cocok untuk penggunaan pendidikan dan non-komersial, dan Lisensi Enterprise untuk penggunaan pengembangan dan produksi, yang melewati persyaratan open-source.

• Bagaimana Ultralytics YOLO dapat digunakan untuk pelacakan objek secara real-time?

  Ultralytics YOLO mendukung pelacakan multi-objek yang efisien. Anda dapat memanfaatkan kemampuan ini dengan menggunakan perintah 'yolo track', misalnya, 'model.track(source="path/to/video.mp4")', untuk melacak objek dalam video atau stream langsung.

• Tugas computer vision apa saja yang didukung oleh Ultralytics YOLO?

  Ultralytics YOLO mendukung berbagai tugas AI visi, termasuk deteksi objek, segmentasi instance, segmentasi semantik, estimasi pose, pelacakan, dan klasifikasi.

• Apa keuntungan utama YOLO26?

  Keuntungan utama YOLO26 termasuk kemampuan AI visi generasi berikutnya, inferensi NMS-free end-to-end, dan penerapan edge yang dioptimalkan, membuatnya efisien untuk aplikasi dunia nyata.

• Di mana saya dapat menemukan dokumentasi untuk Ultralytics YOLO?

  Ultralytics Docs di docs.ultralytics.com menyediakan sumber daya komprehensif untuk memahami dan memanfaatkan fitur-fitur YOLO, termasuk panduan, referensi, dan eksplorasi tugas.

• Bisakah YOLO diterapkan pada perangkat edge?

  Ya, YOLO26 secara khusus dioptimalkan untuk penerapan edge, memungkinkan operasi yang efisien pada berbagai perangkat edge.

• Apa sejarah model YOLO?

  Model YOLO (You Only Look Once) pertama kali dikembangkan pada tahun 2015 dan sejak itu mengalami banyak kemajuan melalui versi seperti YOLOv2, YOLOv3, YOLOv8, dan YOLO26 terbaru, masing-masing memperkenalkan peningkatan kinerja dan fitur baru.