Detección de objetos YOLO en tiempo real
Encuentra y localiza objetos en imágenes y vídeos con los modelos de detección Ultralytics YOLO26. Entrena con tus propios datos, evalúa con métricas claras y despliega en tiempo real en dispositivos edge, la nube y móviles.
Modelos de detección YOLO26
La detección de objetos es la tarea fundamental de la familia YOLO26, con cinco tamaños de modelo que abarcan desde CPU integradas hasta cargas de trabajo en la nube en las que la precisión es crítica. Todos los tamaños se entrenan con tus propios datos mediante la misma API de tres líneas y se exportan al formato que mejor aprovecha tu hardware.
pip install ultralyticsfrom ultralytics import YOLO
# Load a YOLO26 detection model
model = YOLO("yolo26n.pt")
# Run inference
results = model("image.jpg")| Modelo | Tamaño (px) | mAP 50-95 | mAP 50-95 (e2e) | CPU ONNX (ms) | T4 TensorRT (ms) | Parámetros (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 |
Pruebas de rendimiento de detección de YOLO26 de la documentación de Ultralytics.
La confianza de las organizaciones líderes del mundo
El impacto de nuestros modelos
Agiliza los procesos en distintos sectores con nuestros modelos de IA de visión de vanguardia. Velocidad, precisión y facilidad de uso gracias a Ultralytics.
La evolución de los modelos YOLO de Ultralytics
Descubre cómo evolucionó Ultralytics YOLO desde el práctico flujo de trabajo de YOLOv5 hasta la inferencia de YOLO26 lista para edge.
Etiqueta hasta 10 veces más rápido con anotaciones inteligentes
Ultralytics Platform te ofrece una herramienta de anotación de imágenes para crear conjuntos de datos de alta calidad más rápido. Desde las anotaciones inteligentes hasta la edición manual precisa, estas funciones están diseñadas para reducir el tiempo de etiquetado de imágenes sin sacrificar la calidad.
- Anotación inteligente con SAM:Máscaras y cuadros delimitadores con un solo clic.
- Cobertura completa de tareas de IA:Detección, segmentación de instancias, segmentación semántica, clasificación, estimación de pose y OBB.
- Compatibilidad con formatos universales:Elige YOLO, COCO y muchos más.
- Revisión y control de versiones en equipo:Colaboración clara en cada paso.
Entrena con las mejores GPU por menos
26 GPU NVIDIA desde 0,24 $/h: de Ampere a Blackwell. Sin sobrecostes, mínimos ni compromisos.
Implementa en cualquier lugar
Exporta a 22 formatos e implementa en entornos edge, la nube y dispositivos móviles.
Descubre soluciones para distintos sectores
Descubre cómo los equipos aplican la visión artificial de Ultralytics en entornos de producción.
Agricultura
Automoción
Sanidad
Logística
Fabricación
Comercio minorista
Robótica
Preguntas frecuentes
La detección de objetos identifica objetos en una imagen o fotograma de vídeo y localiza cada uno mediante un cuadro delimitador y una etiqueta de clase. Los modelos Ultralytics YOLO detectan objetos en una sola pasada, por lo que funcionan en tiempo real en hardware que va desde dispositivos edge hasta GPU en la nube. La detección es la tarea fundamental de la familia Ultralytics YOLO y el punto de partida para los flujos de trabajo de seguimiento, recuento y análisis.
Ultralytics YOLO26 es la generación estable más reciente y la opción recomendada para nuevos proyectos de detección. Su diseño integral, sin NMS, simplifica el despliegue, y la variante nano está optimizada para la inferencia en CPU y dispositivos edge. Las familias anteriores, como YOLO11 y YOLOv5u, siguen siendo compatibles con la misma API.
Usa el modo de entrenamiento de la biblioteca Ultralytics con tu conjunto de datos en formato YOLO, o utiliza Ultralytics Platform para anotar imágenes, entrenar en GPU en la nube y gestionar ejecuciones desde el navegador. Se recomienda partir de pesos preentrenados: el ajuste fino converge más rápido y necesita menos datos que el entrenamiento desde cero.
Los modelos de detección se evalúan mediante la precisión, la exhaustividad y la precisión media promedio (mAP), calculadas para distintos umbrales de IoU. La validación de Ultralytics muestra automáticamente estas métricas para cada clase. La guía de evaluación de modelos explica cómo interpretarlas y mejorar tu conjunto de datos y configuración de entrenamiento.
Usa el modo de exportación para convertir los detectores entrenados a formatos como ONNX, OpenVINO, TensorRT, CoreML y LiteRT para el hardware de destino. El diseño de YOLO26 sin NMS mantiene sencillo el grafo exportado, y el modo de evaluación comparativa compara la velocidad y la precisión en distintos formatos antes de ponerlo en producción.
Desarrolla soluciones de detección de objetos con Ultralytics
Anota datos, entrena detectores YOLO26 y despliégalos en cualquier lugar con Ultralytics Platform.