Echtzeit-YOLO-Objekterkennung
Finde und lokalisiere Objekte in Bildern und Videos mit den YOLO26-Erkennungsmodellen von Ultralytics. Trainiere mit deinen eigenen Daten, evaluiere mit klaren Metriken und stelle Anwendungen in Echtzeit auf Edge-, Cloud- und Mobilgeräten bereit.
YOLO26-Erkennungsmodelle
Objekterkennung ist die grundlegende Aufgabe der YOLO26-Familie, mit fünf Modellgrößen, die alles von eingebetteten CPUs bis hin zu rechenintensiven Cloud-Workloads abdecken. Jede Größe lässt sich mit deinen eigenen Daten über dieselbe Drei-Zeilen-API trainieren und in das Format exportieren, das auf deiner Hardware am besten läuft.
pip install ultralyticsfrom ultralytics import YOLO
# Load a YOLO26 detection model
model = YOLO("yolo26n.pt")
# Run inference
results = model("image.jpg")| Modell | Größe (px) | mAP 50-95 | mAP 50-95 (e2e) | CPU ONNX (ms) | T4 TensorRT (ms) | Parameter (M) | FLOPs (B) |
|---|---|---|---|---|---|---|---|
| YOLO26n | 640 | 40.9 | 40.1 | 38.9 ± 0.7 | 1.7 ± 0.0 | 2.4 | 5.4 |
| YOLO26s | 640 | 48.6 | 47.8 | 87.2 ± 0.9 | 2.5 ± 0.0 | 9.5 | 20.7 |
| YOLO26m | 640 | 53.1 | 52.5 | 220.0 ± 1.4 | 4.7 ± 0.1 | 20.4 | 68.2 |
| YOLO26l | 640 | 55.0 | 54.4 | 286.2 ± 2.0 | 6.2 ± 0.2 | 24.8 | 86.4 |
| YOLO26x | 640 | 57.5 | 56.9 | 525.8 ± 4.0 | 11.8 ± 0.2 | 55.7 | 193.9 |
YOLO26-Erkennungs-Benchmarks aus der Ultralytics-Dokumentation.
Vertrauenswürdig für die weltweit führenden Organisationen
Die Wirkung unserer Modelle
Optimiere Prozesse branchenübergreifend mit unseren hochmodernen Vision-KI-Modellen. Geschwindigkeit, Genauigkeit und Benutzerfreundlichkeit, bereitgestellt von Ultralytics.
Die Entwicklung der Ultralytics YOLO Modelle
Erfahre, wie sich Ultralytics YOLO vom praktischen YOLOv5-Workflow zur Edge-Ready YOLO26-Inferenz entwickelt hat.
Machte Echtzeit-Objekterkennung zugänglich mit einem schnellen, praktischen PyTorch-Workflow.
Erweiterung des einheitlichen Workflows auf Erkennung, Segmentierung, Klassifizierung, Pose und OBB.
Verbesserte Genauigkeit, Geschwindigkeit und Effizienz bei gleichbleibend vertrautem Ultralytics-Workflow.
Einführung von End-to-End-Inferenz und einer Architektur, die für eine effiziente Edge-Bereitstellung optimiert ist.
Annotiere bis zu 10x schneller mit intelligenter Annotation
Die Ultralytics Platform bietet dir das Bildannotationstool, um schneller hochwertige Datensätze zu erstellen. Von intelligenter Annotation bis hin zur präzisen manuellen Bearbeitung sind diese Funktionen darauf ausgelegt, die Zeit für die Bildbeschriftung zu verkürzen, ohne dabei an Qualität einzubüßen.
- SAM-gestützte intelligente Annotation: Masken und Bounding Boxes mit nur einem Klick.
- Vollständige Abdeckung von KI-Aufgaben: Detektion, Instanzsegmentierung, semantische Segmentierung, Klassifizierung, Pose, OBB.
- Unterstützung universeller Formate: Deine Wahl aus YOLO, COCO, VOC und mehr.
- Team-Review und Versionierung: Klare Zusammenarbeit bei jedem Schritt.
Trainiere auf den besten GPUs für weniger Geld
26 NVIDIA GPUs ab $0,24/Std. – von Ampere bis Blackwell. Kein Aufschlag, keine Mindestlaufzeiten, keine Verpflichtung.
Überall bereitstellen
Exportiere in 20 Formate und deploye auf Edge, Cloud und Mobilgeräten.
Branchenlösungen erkunden
Sieh dir an, wie Teams Ultralytics Computer Vision in Produktionsumgebungen einsetzen.
KI in der Landwirtschaft
KI in der Automobilindustrie
KI im Gesundheitswesen
KI in der Logistik
KI in der Fertigung
KI im Einzelhandel
KI in der Robotik
KI in der Landwirtschaft
KI in der Automobilindustrie
KI im Gesundheitswesen
KI in der Logistik
KI in der Fertigung
KI im Einzelhandel
KI in der Robotik
KI in der Landwirtschaft
KI in der Automobilindustrie
KI im Gesundheitswesen
KI in der Logistik
KI in der Fertigung
KI im Einzelhandel
KI in der Robotik
Häufig gestellte Fragen
Objekterkennung identifiziert Objekte in einem Bild oder Videoframe und lokalisiert jedes einzelne mit einer Bounding Box und einem Klassenlabel. Ultralytics YOLO-Modelle führen die Erkennung in einem einzigen Durchgang durch, weshalb sie in Echtzeit auf Hardware von Edge-Geräten bis hin zu Cloud-GPUs laufen. Die Erkennung ist die grundlegende Aufgabe der Ultralytics YOLO-Familie und der Ausgangspunkt für Tracking-, Zähl- und Analyse-Workflows.
Ultralytics YOLO26 ist die neueste stabile Generation und die empfohlene Wahl für neue Erkennungsprojekte. Sein End-to-End-, NMS-freies Design vereinfacht die Bereitstellung, und die Nano-Variante ist für CPU- und Edge-Inferenz optimiert. Frühere Familien wie YOLO11 und YOLOv5u werden weiterhin über dieselbe API unterstützt.
Verwende den Train-Modus der Ultralytics-Bibliothek mit deinem Datensatz im YOLO-Format oder nutze die Ultralytics Platform, um Bilder zu annotieren, auf Cloud-GPUs zu trainieren und Runs direkt im Browser zu verwalten. Es wird empfohlen, mit vortrainierten Gewichten zu beginnen: Das Fine-Tuning konvergiert schneller und benötigt weniger Daten als das Training von Grund auf.
Erkennungsmodelle werden anhand von Präzision (Precision), Recall und der mittleren durchschnittlichen Präzision (mAP), berechnet über IoU-Schwellenwerte, bewertet. Die Validierung von Ultralytics meldet diese Metriken automatisch für jede Klasse. Der Leitfaden zur Modellevaluation erklärt, wie du diese interpretieren und deinen Datensatz sowie dein Trainings-Setup verbessern kannst.
Verwende den Export-Modus, um trainierte Detektoren in Formate wie ONNX, TensorRT, CoreML, OpenVINO und LiteRT für deine Zielhardware zu konvertieren. Das NMS-freie Design von YOLO26 hält den exportierten Graphen einfach, und der Benchmark-Modus vergleicht Geschwindigkeit und Genauigkeit über verschiedene Formate hinweg, bevor du dein Modell produktiv einsetzt.
Erstelle Objekterkennung mit Ultralytics
Annotiere Daten, trainiere YOLO26-Detektoren und stelle sie überall mit der Ultralytics Platform bereit.