Phát hiện đối tượng YOLO thời gian thực
Tìm và định vị đối tượng trong hình ảnh và video với các mô hình phát hiện YOLO26 của Ultralytics. Huấn luyện trên dữ liệu của riêng bạn, đánh giá bằng các số liệu rõ ràng và triển khai theo thời gian thực trên thiết bị biên, đám mây và di động.
Các mô hình phát hiện YOLO26
Phát hiện đối tượng là tác vụ nền tảng của họ mô hình YOLO26, với năm kích thước mô hình bao gồm từ CPU nhúng đến các workload trên đám mây đòi hỏi độ chính xác cao. Mỗi kích thước được huấn luyện trên dữ liệu của riêng bạn với cùng một API ba dòng và xuất ra định dạng mà phần cứng của bạn chạy tốt nhất.
pip install ultralyticsfrom ultralytics import YOLO
# Load a YOLO26 detection model
model = YOLO("yolo26n.pt")
# Run inference
results = model("image.jpg")| Mô hình | 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 |
Các benchmark phát hiện YOLO26 từ tài liệu Ultralytics.
Được tin dùng bởi các tổ chức hàng đầu thế giới
Tác động từ các mô hình của chúng tôi
Tối ưu hóa quy trình trên nhiều ngành nghề với các mô hình AI thị giác tiên tiến của chúng tôi. Tốc độ, độ chính xác và tính dễ sử dụng được hỗ trợ bởi Ultralytics.
Sự tiến hóa của các model Ultralytics YOLO
Xem cách Ultralytics YOLO tiến hóa từ quy trình làm việc YOLOv5 thực tế sang suy luận YOLO26 sẵn sàng cho biên.
Gắn nhãn nhanh hơn tới 10 lần với tính năng gán nhãn thông minh
Ultralytics Platform cung cấp cho bạn công cụ gán nhãn hình ảnh để xây dựng các tập dữ liệu chất lượng cao nhanh hơn. Từ gán nhãn thông minh đến chỉnh sửa thủ công chính xác, các tính năng này được thiết kế để giảm thời gian gắn nhãn hình ảnh mà không làm giảm chất lượng.
- Gán nhãn thông minh được hỗ trợ bởi SAM: Mặt nạ và hộp giới hạn trong một cú nhấp chuột.
- Bao phủ toàn diện các tác vụ AI: Phát hiện, phân đoạn thực thể, phân đoạn ngữ nghĩa, phân loại, tư thế, OBB.
- Hỗ trợ định dạng vạn năng: Tùy chọn YOLO, COCO của bạn và nhiều định dạng khác.
- Đánh giá của nhóm và quản lý phiên bản: Cộng tác rõ ràng ở mọi bước.
Huấn luyện trên các GPU tốt nhất với chi phí thấp hơn
26 GPU NVIDIA bắt đầu từ $0,24/giờ — từ Ampere đến Blackwell. Không phụ thu, không mức tối thiểu, không ràng buộc.
Triển khai ở mọi nơi
Xuất sang 20 định dạng và triển khai trên các thiết bị biên, đám mây và di động.
Khám phá các giải pháp theo ngành
Xem cách các nhóm áp dụng thị giác máy tính Ultralytics trên các môi trường sản xuất.
Nông nghiệp
Ô tô
Y tế
Hậu cần
Sản xuất
Bán lẻ
Robot
Nông nghiệp
Ô tô
Y tế
Hậu cần
Sản xuất
Bán lẻ
Robot
Nông nghiệp
Ô tô
Y tế
Hậu cần
Sản xuất
Bán lẻ
Robot
Các câu hỏi thường gặp
Object detection xác định các đối tượng trong một khung hình ảnh hoặc video và định vị từng đối tượng bằng một bounding box và nhãn lớp. Các model Ultralytics YOLO thực hiện việc phát hiện trong một lần chạy duy nhất, đó là lý do tại sao chúng chạy thời gian thực trên phần cứng từ các thiết bị biên đến các GPU đám mây. Phát hiện là tác vụ nền tảng của họ model Ultralytics YOLO và là điểm khởi đầu cho các quy trình theo dõi, đếm và phân tích.
Ultralytics YOLO26 là thế hệ ổn định mới nhất và là sự lựa chọn được khuyến nghị cho các dự án phát hiện mới. Thiết kế end-to-end, không cần NMS đơn giản hóa việc triển khai, và biến thể nano được tối ưu hóa cho CPU và suy luận trên biên. Các thế hệ trước như YOLO11 và YOLOv5u vẫn tiếp tục được hỗ trợ thông qua cùng một API.
Sử dụng train mode của thư viện Ultralytics với tập dữ liệu của bạn ở định dạng YOLO, hoặc sử dụng Ultralytics Platform để chú thích hình ảnh, huấn luyện trên các GPU đám mây và quản lý các lần chạy từ trình duyệt. Bắt đầu từ các trọng số được huấn luyện trước là được khuyến nghị: fine-tuning hội tụ nhanh hơn và cần ít dữ liệu hơn so với việc huấn luyện từ đầu.
Các model phát hiện được đánh giá bằng độ chính xác (precision), độ bao phủ (recall) và mean average precision (mAP) được tính toán trên các ngưỡng IoU. Quá trình kiểm định của Ultralytics báo cáo các chỉ số này cho mọi lớp một cách tự động. model evaluation guide giải thích cách diễn giải các chỉ số này và cải thiện tập dữ liệu cũng như cấu hình huấn luyện của bạn.
Sử dụng export mode để chuyển đổi các bộ phát hiện đã được huấn luyện sang các định dạng như ONNX, TensorRT, CoreML, OpenVINO và LiteRT cho phần cứng mục tiêu của bạn. Thiết kế không cần NMS của YOLO26 giữ cho đồ thị được xuất ra đơn giản, và benchmark mode so sánh tốc độ và độ chính xác giữa các định dạng trước khi bạn xuất xưởng.
Xây dựng tính năng phát hiện đối tượng với Ultralytics
Gán nhãn dữ liệu, huấn luyện bộ phát hiện YOLO26 và triển khai chúng ở bất cứ đâu với Ultralytics Platform.