Détection d'objets YOLO en temps réel
Trouve et localise des objets dans des images et des vidéos avec les modèles de détection YOLO26 d'Ultralytics. Entraîne sur tes propres données, évalue avec des métriques claires et déploie en temps réel sur la périphérie, le cloud et le mobile.
Modèles de détection YOLO26
La détection d'objets est la tâche fondamentale de la famille YOLO26, avec cinq tailles de modèles couvrant tout, des CPU intégrés aux charges de travail cloud critiques pour la précision. Chaque taille s'entraîne sur tes propres données avec la même API à trois lignes et s'exporte vers le format sur lequel ton matériel fonctionne le mieux.
pip install ultralyticsfrom ultralytics import YOLO
# Load a YOLO26 detection model
model = YOLO("yolo26n.pt")
# Run inference
results = model("image.jpg")| Modèle | Taille (px) | mAP 50-95 | mAP 50-95 (e2e) | CPU ONNX (ms) | T4 TensorRT (ms) | Params (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 |
Benchmarks de détection YOLO26 tirés de la documentation d'Ultralytics.
Recommandé par les plus grandes organisations au monde
L'impact de nos modèles
Optimise tes processus à travers les secteurs grâce à nos modèles d'IA de vision de pointe. Vitesse, précision et facilité d'utilisation propulsées par Ultralytics.
L'évolution des modèles Ultralytics YOLO
Découvre comment Ultralytics YOLO a évolué, du flux de travail pratique de YOLOv5 à l'inférence prête pour la périphérie de YOLO26.
Étiquette jusqu'à 10 fois plus vite grâce à l'annotation intelligente
Ultralytics Platform te fournit l'outil d'annotation d'images pour créer des jeux de données de haute qualité plus rapidement. De l'annotation intelligente à l'édition manuelle précise, ces fonctionnalités sont conçues pour réduire le temps d'étiquetage des images sans sacrifier la qualité.
- Annotation intelligente propulsée par SAM : Masques et boîtes englobantes en un clic.
- Couverture complète des tâches d'IA : Détection, segmentation d'instances, segmentation sémantique, classification, pose, OBB.
- Prise en charge de formats universels : Ton choix de YOLO, COCO, et plus encore.
- Révision d'équipe et gestion des versions : Collaboration claire à chaque étape.
Entraîne-toi sur les meilleurs GPU à moindre coût
26 GPU NVIDIA à partir de 0,24 $/h — d'Ampere à Blackwell. Aucune marge, aucun minimum, aucun engagement.
Explore les solutions sectorielles
Découvre comment les équipes appliquent la vision par ordinateur d'Ultralytics dans les environnements de production.
Agriculture
Automobile
Santé
Logistique
Fabrication
Commerce de détail
Robotique
Agriculture
Automobile
Santé
Logistique
Fabrication
Commerce de détail
Robotique
Agriculture
Automobile
Santé
Logistique
Fabrication
Commerce de détail
Robotique
Foire aux questions
La détection d'objets identifie des objets dans une image ou une image vidéo et localise chacun d'eux avec une boîte englobante et une étiquette de classe. Les modèles Ultralytics YOLO effectuent la détection en un seul passage, ce qui explique qu'ils s'exécutent en temps réel sur du matériel allant des appareils de périphérie aux GPU cloud. La détection est la tâche fondamentale de la famille Ultralytics YOLO et le point de départ des flux de travail de suivi, de comptage et d'analytique.
Ultralytics YOLO26 est la dernière génération stable et le choix recommandé pour les nouveaux projets de détection. Sa conception de bout en bout sans NMS simplifie le déploiement, et la variante nano est optimisée pour l'inférence sur CPU et de périphérie. Les familles antérieures comme YOLO11 et YOLOv5u restent prises en charge via la même API.
Utilise le mode d'entraînement de la bibliothèque Ultralytics avec ton jeu de données au format YOLO, ou utilise Ultralytics Platform pour annoter des images, t'entraîner sur des GPU cloud et gérer les exécutions depuis le navigateur. Il est recommandé de commencer à partir de poids pré-entraînés : le réglage fin converge plus rapidement et nécessite moins de données qu'un entraînement à partir de zéro.
Les modèles de détection sont évalués avec la précision, le rappel et la précision moyenne moyenne (mAP) calculés sur des seuils d'IoU. La validation Ultralytics rapporte automatiquement ces métriques pour chaque classe. Le guide d'évaluation des modèles explique comment les interpréter et améliorer ton jeu de données et ta configuration d'entraînement.
Utilise le mode d'exportation pour convertir les détecteurs entraînés vers des formats tels que ONNX, TensorRT, CoreML, OpenVINO et LiteRT pour ton matériel cible. La conception sans NMS de YOLO26 maintient le graphique exporté simple, et le mode de test de performance compare la vitesse et la précision entre les formats avant de déployer.
Crée la détection d'objets avec Ultralytics
Annote des données, entraîne des détecteurs YOLO26 et déploie-les n'importe où avec Ultralytics Platform.