Детекция объектов YOLO в реальном времени
Находи и локализуй объекты на изображениях и видео с помощью моделей детекции Ultralytics YOLO26. Обучай на собственных данных, оценивай с помощью понятных метрик и развертывай в реальном времени на граничных устройствах, в облаке и на мобильных устройствах.
Модели детекции YOLO26
Детекция объектов — это базовая задача семейства YOLO26, включающая пять размеров моделей для любых целей: от встраиваемых CPU до критически важных по точности облачных вычислений. Модель любого размера можно обучить на твоих собственных данных с помощью одного и того же API из трех строк и экспортировать в формат, наиболее подходящий для твоего оборудования.
pip install ultralyticsfrom ultralytics import YOLO
# Load a YOLO26 detection model
model = YOLO("yolo26n.pt")
# Run inference
results = model("image.jpg")| Модель | Размер (px) | mAP 50-95 | mAP 50-95 (e2e) | CPU ONNX (мс) | T4 TensorRT (мс) | Параметры (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 |
Бенчмарки детекции YOLO26 из документации Ultralytics.
Доверяют ведущие мировые организации
Влияние наших моделей
Оптимизируй процессы в различных отраслях с помощью наших передовых моделей компьютерного зрения. Скорость, точность и простота использования от Ultralytics.
Эволюция моделей Ultralytics YOLO
Узнай, как Ultralytics YOLO эволюционировал от практического рабочего процесса YOLOv5 до вывода YOLO26, готового к работе на периферии.
Сделал обнаружение объектов в реальном времени доступным благодаря быстрому и практичному рабочему процессу PyTorch.
Расширен унифицированный рабочий процесс для обнаружения, сегментации, классификации, позы и OBB.
Улучшенная точность, скорость и эффективность при сохранении привычного рабочего процесса Ultralytics.
Представили сквозной вывод и архитектуру, оптимизированную для эффективного развертывания на периферийных устройствах.
Размечай до 10 раз быстрее с помощью умной аннотации
Платформа Ultralytics предоставляет инструмент для аннотирования изображений, позволяющий быстрее создавать высококачественные наборы данных. От умной аннотации до точного ручного редактирования — эти функции разработаны для сокращения времени на разметку изображений без потери качества.
- Умная аннотация на базе SAM: Маски и BBox в один клик.
- Полный охват задач ИИ: Детекция, сегментация экземпляров, семантическая сегментация, классификация, оценка поз, OBB.
- Поддержка универсальных форматов: На твой выбор YOLO, COCO, VOC и другие.
- Командная проверка и версионирование: Прозрачное сотрудничество на каждом этапе.
Обучайся на лучших GPU дешевле
26 NVIDIA GPU по цене от $0.24/час — от Ampere до Blackwell. Никаких наценок, минимальных порогов и обязательств.
Развертывай где угодно
Экспортируй в 20 форматов и разворачивай на периферии, в облаке и на мобильных устройствах.
Изучить отраслевые решения
Посмотри, как команды применяют компьютерное зрение Ultralytics в производственных средах.
ИИ в сельском хозяйстве
ИИ в автомобильной отрасли
ИИ в здравоохранении
ИИ в логистике
ИИ в производстве
ИИ в розничной торговле
ИИ в робототехнике
ИИ в сельском хозяйстве
ИИ в автомобильной отрасли
ИИ в здравоохранении
ИИ в логистике
ИИ в производстве
ИИ в розничной торговле
ИИ в робототехнике
ИИ в сельском хозяйстве
ИИ в автомобильной отрасли
ИИ в здравоохранении
ИИ в логистике
ИИ в производстве
ИИ в розничной торговле
ИИ в робототехнике
Часто задаваемые вопросы
Детекция объектов определяет объекты на изображении или кадре видео и локализует каждый из них с помощью ограничивающей рамки (bbox) и метки класса. Модели Ultralytics YOLO выполняют детекцию за один проход, поэтому они работают в реальном времени на любом оборудовании: от граничных устройств до облачных GPU. Детекция является фундаментальной задачей семейства Ultralytics YOLO и отправной точкой для рабочих процессов отслеживания, подсчета и аналитики.
Ultralytics YOLO26 — это новейшее стабильное поколение и рекомендуемый выбор для новых проектов по детекции. Его сквозная архитектура без NMS упрощает развертывание, а версия nano оптимизирована для работы на CPU и граничных устройствах. Предыдущие семейства, такие как YOLO11 и YOLOv5u, по-прежнему поддерживаются через тот же API.
Используй режим train библиотеки Ultralytics с твоим набором данных в формате YOLO или воспользуйся платформой Ultralytics, чтобы размечать изображения, обучаться на облачных GPU и управлять запусками прямо из браузера. Рекомендуется начинать с предобученных весов: дообучение сходится быстрее и требует меньше данных, чем обучение с нуля.
Модели детекции оцениваются по точности (precision), полноте (recall) и среднему значению средней точности (mAP), вычисляемым по порогам IoU. Валидация Ultralytics автоматически сообщает эти метрики для каждого класса. Руководство по оценке моделей объясняет, как интерпретировать их и улучшить твой набор данных и настройки обучения.
Используй режим export для конвертации обученных детекторов в форматы, такие как ONNX, TensorRT, CoreML, OpenVINO и LiteRT, для твоего целевого оборудования. Архитектура YOLO26 без NMS делает экспортированный граф простым, а режим benchmark позволяет сравнить скорость и точность между форматами перед запуском в продакшн.
Создавай детекцию объектов с помощью Ultralytics
Размечай данные, обучай детекторы YOLO26 и развертывай их где угодно с помощью платформы Ultralytics.