Rilevamento oggetti YOLO in tempo reale
Trova e localizza oggetti in immagini e video con i modelli di rilevamento YOLO26 di Ultralytics. Addestra sui tuoi dati, valuta con metriche chiare e distribuisci in tempo reale su edge, cloud e mobile.
Modelli di rilevamento YOLO26
Il rilevamento oggetti è l'attività fondamentale della famiglia YOLO26, con cinque dimensioni di modello che coprono qualsiasi esigenza, dalle CPU integrate ai carichi di lavoro cloud critici per la precisione. Ogni dimensione si addestra sui tuoi dati con la stessa API a tre righe ed esporta nel formato che il tuo hardware esegue al meglio.
pip install ultralyticsfrom ultralytics import YOLO
# Load a YOLO26 detection model
model = YOLO("yolo26n.pt")
# Run inference
results = model("image.jpg")| Modello | Dimensione (px) | mAP 50-95 | mAP 50-95 (e2e) | CPU ONNX (ms) | T4 TensorRT (ms) | Parametri (M) | FLOP (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 |
Benchmark di rilevamento YOLO26 dalla documentazione di Ultralytics.
Scelto dalle organizzazioni leader nel mondo
L'impatto dei nostri modelli
Ottimizza i processi in tutti i settori con i nostri modelli di IA di visione all'avanguardia. Velocità, precisione e semplicità d'uso offerte da Ultralytics.
L'evoluzione dei modelli Ultralytics YOLO
Scopri come Ultralytics YOLO si è evoluto dal pratico flusso di lavoro di YOLOv5 all'inferenza edge-ready di YOLO26.
Etichetta fino a 10 volte più velocemente con l'annotazione intelligente
Ultralytics Platform ti offre lo strumento di annotazione delle immagini per creare dataset di alta qualità più velocemente. Dall'annotazione intelligente alla modifica manuale precisa, queste funzionalità sono progettate per ridurre il tempo di etichettatura delle immagini senza sacrificare la qualità.
- Annotazione intelligente basata su SAM: Maschere e riquadri di delimitazione in un clic.
- Copertura completa delle attività di IA: Rilevamento, segmentazione d'istanza, segmentazione semantica, classificazione, posa, OBB.
- Supporto di formati universali: La tua scelta di YOLO, COCO e altro ancora.
- Revisione e gestione delle versioni per team: Collaborazione chiara in ogni fase.
Allena sulle migliori GPU spendendo meno
26 GPU NVIDIA a partire da 0,24 $/ora, da Ampere a Blackwell. Nessun ricarico, nessun minimo, nessun impegno.
Esplora le soluzioni per settore
Scopri come i team applicano la visione artificiale di Ultralytics negli ambienti di produzione.
Agricoltura
Settore automobilistico
Sanità
Logistica
Manifattura
Vendita al dettaglio
Robotica
Agricoltura
Settore automobilistico
Sanità
Logistica
Manifattura
Vendita al dettaglio
Robotica
Agricoltura
Settore automobilistico
Sanità
Logistica
Manifattura
Vendita al dettaglio
Robotica
Domande frequenti
Il rilevamento di oggetti identifica gli oggetti in un'immagine o in un fotogramma video e ne localizza ciascuno con una casella di delimitazione e un'etichetta di classe. I modelli Ultralytics YOLO eseguono il rilevamento in un unico passaggio, motivo per cui vengono eseguiti in tempo reale su hardware che va dai dispositivi edge alle GPU cloud. Il rilevamento è l'attività fondamentale della famiglia Ultralytics YOLO e il punto di partenza per i flussi di lavoro di tracciamento, conteggio e analisi.
Ultralytics YOLO26 è l'ultima generazione stabile e la scelta consigliata per i nuovi progetti di rilevamento. Il suo design end-to-end senza NMS semplifica il deployment e la variante nano è ottimizzata per CPU e inferenza edge. Le famiglie precedenti come YOLO11 e YOLOv5u rimangono supportate tramite la stessa API.
Usa la modalità di addestramento della libreria Ultralytics con il tuo dataset in formato YOLO, oppure usa la Piattaforma Ultralytics per annotare immagini, eseguire l'addestramento su GPU cloud e gestire le esecuzioni dal browser. Si consiglia di partire da pesi preaddestrati: il fine-tuning converge più rapidamente e richiede meno dati rispetto all'addestramento da zero.
I modelli di rilevamento vengono valutati con precisione, richiamo e precisione media media (mAP) calcolate attraverso le soglie IoU. La convalida di Ultralytics riporta automaticamente queste metriche per ogni classe. La guida alla valutazione del modello spiega come interpretarle e migliorare il tuo dataset e la configurazione di addestramento.
Usa la modalità di esportazione per convertire i rilevatori addestrati in formati come ONNX, TensorRT, CoreML, OpenVINO e LiteRT per il tuo hardware di destinazione. Il design senza NMS di YOLO26 mantiene semplice il grafo esportato e la modalità di benchmark confronta velocità e precisione tra i formati prima di rilasciare il prodotto.
Crea il rilevamento oggetti con Ultralytics
Annota dati, addestra rilevatori YOLO26 e distribuiscili ovunque con la piattaforma Ultralytics.