Phát hiện đối tượng YOLO theo thời gian thực
Tìm và định vị đối tượng trong ảnh và video bằng các model phát hiện Ultralytics YOLO26. Huấn luyện trên dữ liệu của riêng bạn, đánh giá bằng các chỉ số rõ ràng và triển khai theo thời gian thực trên thiết bị biên, cloud và thiết bị di động.
Các model phát hiện YOLO26
Phát hiện đối tượng là tác vụ nền tảng của họ YOLO26, với năm kích thước model bao phủ mọi nhu cầu, từ CPU nhúng đến workload cloud yêu cầu độ chính xác cao. Mỗi kích thước đều có thể huấn luyện trên dữ liệu của riêng bạn bằng cùng một API ba dòng và xuất sang định dạng phù hợp nhất với phần cứng của bạn.
pip install ultralyticsfrom ultralytics import YOLO
# Load a YOLO26 detection model
model = YOLO("yolo26n.pt")
# Run inference
results = model("image.jpg")| Model | Kích thước (px) | mAP 50-95 | mAP 50-95 (e2e) | CPU ONNX (ms) | T4 TensorRT (ms) | Tham số (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 |
Benchmark phát hiện YOLO26 từ tài liệu Ultralytics.
Được các tổ chức hàng đầu thế giới tin dùng
Tác động từ các model của chúng tôi
Tinh gọn quy trình trên nhiều ngành với các model AI thị giác tiên tiến của chúng tôi. Tốc độ, độ chính xác và tính dễ sử dụng được hỗ trợ bởi Ultralytics.
Quá trình phát triển của các model Ultralytics YOLO
Tìm hiểu quá trình phát triển của Ultralytics YOLO, từ quy trình YOLOv5 thực tiễn đến suy luận YOLO26 sẵn sàng cho edge.
Gắn nhãn nhanh hơn tới 10 lần với công cụ chú thích thông minh
Ultralytics Platform cung cấp công cụ chú thích ảnh giúp bạn xây dựng dataset chất lượng cao nhanh hơn. Từ chú thích thông minh đến chỉnh sửa thủ công chính xác, các tính năng này được thiết kế để giảm thời gian gắn nhãn ảnh mà không ảnh hưởng đến chất lượng.
- Chú thích thông minh được hỗ trợ bởi SAM:Tạo mask và bounding box chỉ bằng một lần nhấp.
- Hỗ trợ đầy đủ các tác vụ AI:Phát hiện, phân đoạn instance, phân đoạn ngữ nghĩa, phân loại, pose, OBB.
- Hỗ trợ định dạng phổ quát:Tùy chọn YOLO, COCO và nhiều định dạng khác.
- Đánh giá và quản lý phiên bản nhóm:Cộng tác rõ ràng ở mọi bước.
Huấn luyện trên các GPU tốt nhất với chi phí thấp hơn
26 GPU NVIDIA với giá khởi điểm $0.24/giờ — từ Ampere đến Blackwell. Không phụ phí, không mức tối thiểu, không cam kết.
Triển khai ở mọi nơi
Xuất sang 22 định dạng và triển khai trên các thiết bị biên, nền tảng đám mây và thiết bị di động.
Khám phá giải pháp theo ngành
Tìm hiểu cách các nhóm ứng dụng thị giác máy tính Ultralytics trong môi trường sản xuất.
Nông nghiệp
Ô tô
Chăm sóc sức khỏe
Logistics
Sản xuất
Bán lẻ
Robot
Câu hỏi thường gặp
Phát hiện đối tượng xác định đối tượng trong ảnh hoặc khung hình video, đồng thời định vị từng đối tượng bằng hộp giới hạn và nhãn lớp. Các model Ultralytics YOLO phát hiện đối tượng chỉ trong một lượt xử lý, nhờ đó chạy theo thời gian thực trên phần cứng từ thiết bị biên đến GPU cloud. Phát hiện là tác vụ nền tảng của họ Ultralytics YOLO và là điểm khởi đầu cho các workflow theo dõi, đếm và phân tích.
Ultralytics YOLO26 là thế hệ ổn định mới nhất và là lựa chọn được khuyến nghị cho các dự án phát hiện mới. Thiết kế end-to-end, không cần NMS giúp đơn giản hóa quá trình triển khai, còn biến thể nano được tối ưu cho suy luận trên CPU và thiết bị biên. Các họ đời trước như YOLO11 và YOLOv5u vẫn được hỗ trợ thông qua cùng API.
Sử dụng chế độ train của thư viện Ultralytics với dataset ở định dạng YOLO, hoặc dùng Ultralytics Platform để gán nhãn ảnh, huấn luyện trên GPU cloud và quản lý các lượt chạy bằng trình duyệt. Nên bắt đầu từ trọng số pretrained: fine-tune hội tụ nhanh hơn và cần ít dữ liệu hơn so với huấn luyện từ đầu.
Model phát hiện được đánh giá bằng precision, recall và độ chính xác trung bình (mAP) tính trên các ngưỡng IoU. Quá trình xác thực của Ultralytics tự động báo cáo các chỉ số này cho từng lớp. Hướng dẫn đánh giá model giải thích cách diễn giải các chỉ số và cải thiện dataset cũng như cấu hình huấn luyện.
Sử dụng chế độ export để chuyển đổi model phát hiện đã huấn luyện sang các định dạng như ONNX, OpenVINO, TensorRT, CoreML và LiteRT phù hợp với phần cứng mục tiêu. Thiết kế không cần NMS của YOLO26 giúp đồ thị đã xuất luôn đơn giản, còn chế độ benchmark so sánh tốc độ và độ chính xác giữa các định dạng trước khi bạn triển khai.
Xây dựng giải pháp phát hiện đối tượng với Ultralytics
Gán nhãn dữ liệu, huấn luyện model phát hiện YOLO26 và triển khai ở bất cứ đâu với Ultralytics Platform.