YOLO нейросеть: как работает, где применяется и как начать использовать

Что такое YOLO и почему она так популярна

YOLO (You Only Look Once) — это семейство нейросетей для компьютерного зрения, которые решают задачу обнаружения объектов на изображениях и видео в реальном времени. Название переводится как «ты смотришь только один раз», что отражает главный принцип: модель анализирует картинку целиком за один проход, а не сканирует её по частям.

Популярность YOLO объясняется сочетанием высокой скорости и достаточной точности. Она способна обрабатывать десятки кадров в секунду даже на обычном процессоре, что делает её идеальной для видеонаблюдения, беспилотных автомобилей, робототехники и других систем, где важна мгновенная реакция. Кроме того, YOLO относительно проста в использовании: установить библиотеку и запустить детекцию можно буквально несколькими строками кода на Python.

Важно понимать разницу между классификацией и детекцией. Классификация отвечает на вопрос «что на картинке?» и выдаёт один ярлык на всё изображение. Детекция же находит все объекты и для каждого возвращает координаты ограничивающей рамки и класс. YOLO умеет и то и другое, но её главная сила — именно в детекции множества объектов одновременно.

Как работает YOLO: принцип одного взгляда

В основе YOLO лежит идея разбиения изображения на сетку. Каждая клетка сетки отвечает за свою область: если центр объекта попадает в клетку, именно она предсказывает наличие объекта, его класс и координаты рамки. Такой подход позволяет модели видеть всю сцену целиком и не тратить время на последовательный перебор участков.

Нейросеть состоит из свёрточных слоёв, которые постепенно извлекают признаки: сначала простые (линии, углы, цветовые переходы), затем более сложные (силуэты, колёса, очертания предметов). На выходе модель выдаёт для каждой клетки несколько вариантов рамок с разной степенью уверенности. Чтобы убрать дубликаты, применяется фильтр Non-Maximum Suppression (NMS): он сравнивает все рамки, претендующие на один объект, оставляет самую уверенную и удаляет остальные, если они сильно перекрываются.

В результате YOLO возвращает список объектов с классами, координатами рамок и уровнем уверенности. Всё это — за один проход, что и обеспечивает высокую скорость. При этом модель жертвует частью точности ради быстродействия, но для большинства практических задач это не критично.

Эволюция YOLO: от первой версии до YOLO26

Первая версия YOLO появилась в 2016 году и сразу произвела фурор, предложив радикально новый подход к детекции. С тех пор семейство постоянно развивалось. YOLOv5 стала эталоном простоты и скорости, YOLOv8 добавила поддержку сегментации, классификации и оценки позы, а YOLO11 улучшила точность и скорость.

Последняя на данный момент версия — YOLO26 — отличается ещё большей эффективностью: nano-вариант работает на 43% быстрее на CPU по сравнению с предыдущими моделями. При этом она легче и меньше, что позволяет запускать её на периферийных устройствах — от дронов до микроконтроллеров.

Каждая новая версия расширяет список задач: помимо детекции, YOLO умеет сегментацию экземпляров, семантическую сегментацию, классификацию изображений, оценку позы и даже оценку глубины. Это делает её универсальным инструментом для самых разных проектов.

Основные задачи, которые решает YOLO

YOLO — это не просто детектор. Современные версии поддерживают несколько задач компьютерного зрения:

• Детекция объектов — нахождение объектов и их ограничивающих рамок. Это базовая задача, с которой всё началось.
• Сегментация экземпляров — выделение каждого объекта на уровне пикселей, что позволяет точно очертить его форму.
• Семантическая сегментация — разделение изображения на классы (например, дорога, небо, здания) без разделения на отдельные экземпляры.
• Классификация изображений — определение, что изображено на картинке в целом.
• Оценка позы — поиск ключевых точек тела человека или животного для определения позы.
• Обнаружение ориентированных объектов (OBB) — нахождение объектов с учётом их поворота, что важно для аэрофотосъёмки и документов.

Благодаря такому разнообразию YOLO применяется в сельском хозяйстве, медицине, логистике, ритейле, робототехнике и многих других сферах. Например, она помогает сортировать мусор, контролировать качество продуктов, следить за парковками и даже анализировать походку лошадей.

Как установить YOLO и начать работу

Для начала работы с YOLO достаточно установить библиотеку Ultralytics. Это можно сделать одной командой в консоли:

pip install ultralytics

После установки можно загрузить предобученную модель и применить её к изображению. Минимальный код для детекции выглядит так:

from ultralytics import YOLO

# Загрузка модели (скачается автоматически)
model = YOLO('yolov8n.pt')

# Детекция объектов на изображении
results = model('test.jpg')

# Вывод результатов
for result in results:
    print(result.boxes)

Модель автоматически скачает веса при первом запуске. Доступны разные варианты: yolov8n, yolov8s, yolov8m, yolov8l, yolov8x — от nano (самая быстрая и лёгкая) до extra-large (самая точная, но медленная). Аналогичные варианты есть и для сегментации (например, yolov8n-seg.pt).

Для обработки видео нужно просто подавать на модель кадры из видеопотока. Например, можно открыть видеофайл или веб-камеру с помощью OpenCV и в цикле обрабатывать каждый кадр. Это позволяет строить системы видеонаблюдения и трекинга в реальном времени.

Как подготовить собственный датасет и дообучить модель

Предобученные модели YOLO распознают 80 классов из датасета COCO (люди, машины, животные и т.д.). Но для специфических задач — например, поиска дефектов на деталях или распознавания редких видов растений — нужно дообучение на собственном датасете.

Процесс включает несколько этапов:

1. Сбор изображений — нужно собрать сотни или тысячи примеров объектов, которые вы хотите распознавать.
2. Разметка — для каждого объекта на изображении нужно указать ограничивающую рамку и класс. Для этого используются специальные инструменты, например, LabelImg или CVAT.
3. Подготовка файлов — разметка сохраняется в формате YOLO: текстовый файл с координатами рамок и классами для каждого изображения.
4. Обучение — запускается команда model.train(data='dataset.yaml', epochs=100), где dataset.yaml описывает пути к данным и список классов.
5. Оценка — после обучения модель проверяется на тестовых изображениях, и при необходимости процесс повторяется с другими параметрами.

Обучение требует графического процессора (GPU) для ускорения, но для небольших датасетов можно использовать и CPU, правда, это займёт больше времени. После обучения модель можно экспортировать в формат ONNX или TensorRT для развёртывания на периферийных устройствах.

Метрики качества: как оценить работу YOLO

Чтобы понять, насколько хорошо работает модель, используют несколько метрик:

• IoU (Intersection over Union) — показывает, насколько предсказанная рамка совпадает с истинной. Считается как отношение площади пересечения к площади объединения. Значение выше 0.5 считается приемлемым.
• Precision (точность) — доля правильных предсказаний среди всех предсказанных объектов. Высокая точность означает, что модель редко ошибается.
• Recall (полнота) — доля найденных объектов среди всех реально существующих. Высокая полнота означает, что модель редко пропускает объекты.
• AP (Average Precision) — усреднённая точность по разным порогам уверенности для одного класса.
• mAP (mean Average Precision) — среднее AP по всем классам. Это главная метрика для сравнения моделей.

Например, если модель показывает mAP 0.6, это значит, что в среднем она работает на 60% по всем классам. При выборе модели важно учитывать баланс между скоростью и точностью: nano-модели быстрее, но менее точны, а большие модели точнее, но требуют больше ресурсов.

Практические примеры применения YOLO в бизнесе

YOLO активно используется в коммерческих продуктах. Вот несколько реальных примеров:

• TrainVision сократила время сбора данных о железных дорогах почти на 100%, автоматизировав анализ с помощью YOLO.
• Glacier Robotics уменьшила утечку ПЭТ-бутылок на 70% на предприятиях по переработке отходов.
• SOHGA сократила время мониторинга парковок на 30%, используя YOLO26 для автоматического патрулирования.
• Chef Robotics снизила пищевые отходы на 67% за счёт точной сборки продуктов питания.
• Specialvideo достигла 99% точности инспекции продуктов питания.
• Vivity AI экономит более $5 млн в год в промышленных операциях.

Эти примеры показывают, что YOLO — не просто игрушка для энтузиастов, а мощный инструмент, который приносит реальную экономию и повышает эффективность в самых разных отраслях: от переработки отходов до контроля качества.

Ограничения и подводные камни YOLO

Несмотря на все преимущества, у YOLO есть ограничения, которые стоит учитывать:

• Точность на мелких объектах — YOLO может хуже справляться с очень маленькими объектами, особенно если они находятся далеко от камеры.
• Перекрытия — если объекты сильно перекрывают друг друга, модель может ошибаться в определении границ.
• Скорость vs точность — всегда приходится выбирать между быстрыми лёгкими моделями и точными тяжёлыми. Для реального времени на слабом железе лучше использовать nano-варианты.
• Зависимость от датасета — предобученные модели распознают только те классы, на которых обучались. Для новых классов нужно дообучение.
• Ресурсоёмкость обучения — дообучение на больших датасетах требует мощного GPU и времени.

Также важно помнить о лицензировании: Ultralytics предлагает академические, open-source и корпоративные лицензии. Для коммерческого использования в крупных проектах может потребоваться платная лицензия.

Как выбрать подходящую модель YOLO

Выбор модели зависит от ваших задач и ресурсов. Вот несколько рекомендаций:

• Для быстрого прототипирования — используйте yolov8n или yolov8s. Они быстро работают даже на CPU и позволяют проверить идею.
• Для высокой точности — выбирайте yolov8x или yolov8l. Они требуют GPU, но дают лучшие результаты.
• Для периферийных устройств — YOLO26n идеально подходит для дронов, камер и микроконтроллеров благодаря малому размеру и высокой скорости.
• Для сегментации — используйте модели с суффиксом -seg (например, yolov8n-seg.pt).
• Для оценки позы — модели с суффиксом -pose.

При выборе также учитывайте, на каком оборудовании будет работать модель. Если это сервер с GPU, можно позволить себе тяжёлую модель. Если это встроенная система — лучше остановиться на nano-варианте. В любом случае, начните с предобученной модели, а затем при необходимости дообучите её на своих данных.

Вопросы и ответы