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 Ultralytics YOLO26. Huấn luyện trên dữ liệu của riêng bạn, đánh giá bằng các chỉ số rõ ràng và triển khai thời gian thực trên thiết bị biên, đám mây và thiết bị di động.
Các mô hình phát hiện YOLO26
Phát hiện đối tượng là tác vụ nền tảng của dòng YOLO26, với năm kích thước mô hình bao quát mọi nhu cầu từ CPU nhúng đến các tải công việc trên đám mây đòi hỏi độ chính xác cao. Mỗi kích thước đều có thể huấn luyện trên dữ liệu của riêng bạn chỉ với ba dòng API và xuất ra định dạng mà phần cứng của bạn chạy tối ưu nhất.
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) | 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 |
Điểm chuẩn phát hiện YOLO26 từ tài liệu Ultralytics.
Được tin dùng bởi các tổ chức hàng đầu thế giới
Tác động từ các model của chúng tôi
Hợp lý hóa quy trình giữa các ngành công nghiệp 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.
Sự phát triển của các model Ultralytics YOLO
Xem cách Ultralytics YOLO phát triển từ workflow YOLOv5 thực tiễn sang inference YOLO26 sẵn sàng cho Edge.
Đã giúp việc phát hiện đối tượng thời gian thực trở nên dễ tiếp cận với một workflow PyTorch nhanh chóng và thực tế.
Mở rộng quy trình làm việc thống nhất trên các tác vụ phát hiện, phân đoạn, phân loại, pose và OBB.
Cải thiện độ chính xác, tốc độ và hiệu suất trong khi vẫn giữ nguyên quy trình làm việc quen thuộc của Ultralytics.
Đã giới thiệu tính năng inference end-to-end và một kiến trúc được tối ưu hóa cho việc triển khai edge hiệu quả.
Gán nhãn nhanh hơn tới 10 lần với tính năng gán nhãn thông minh
Nền tảng Ultralytics cung cấp công cụ gán nhãn hình ảnh giúp bạn xây dựng tập dữ liệu chất lượng cao nhanh hơn. Từ tính năng gán nhãn thông minh đến chỉnh sửa thủ công chính xác, các tính năng này được thiết kế để giảm thời gian gán nhãn hình ảnh mà không làm giảm chất lượng.
- Gán nhãn thông minh dựa trên SAM: Mask và bounding box chỉ với một cú nhấp chuột.
- Hỗ trợ đầy đủ các tác vụ AI: Phát hiện đối tượng, phân đoạn thực thể, phân đoạn ngữ nghĩa, phân loại, pose, OBB.
- Hỗ trợ định dạng phổ quát: Tùy chọn của bạn bao gồm YOLO, COCO, VOC và nhiều định dạng khác.
- Đánh giá nhóm và quản lý phiên bản: Cộng tác minh bạch trong từng bước thực hiện.
Huấn luyện trên các GPU tốt nhất với chi phí thấp hơn
26 GPU NVIDIA với giá từ $0.24/giờ — từ Ampere đến Blackwell. Không phụ phí, không yêu cầu tối thiểu, không cam kết.
Triển khai ở mọi nơi
Export sang 20 định dạng và triển khai trên edge, cloud và mobile.
Khám phá các giải pháp ngành
Xem cách các nhóm áp dụng thị giác máy tính của Ultralytics trong các môi trường sản xuất.
AI trong nông nghiệp
AI trong ô tô
AI trong y tế
AI trong logistics
AI trong sản xuất
AI trong bán lẻ
AI trong robot
AI trong nông nghiệp
AI trong ô tô
AI trong y tế
AI trong logistics
AI trong sản xuất
AI trong bán lẻ
AI trong robot
AI trong nông nghiệp
AI trong ô tô
AI trong y tế
AI trong logistics
AI trong sản xuất
AI trong bán lẻ
AI trong robot
Các câu hỏi thường gặp
Phát hiện đối tượng xác định các đối tượng trong khung hình ảnh hoặc video và định vị từng đối tượng bằng BBox và nhãn lớp. Các mô hình Ultralytics YOLO thực hiện phát hiện trong một lần truyền duy nhất, đó là lý do tại sao chúng chạy thời gian thực trên phần cứng từ thiết bị biên đến GPU đám mây. Phát hiện là tác vụ nền tảng của dòng Ultralytics YOLO và là điểm khởi đầu cho các quy trình làm việc 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 việc triển khai và biến thể nano được tối ưu hóa cho suy luận trên CPU và thiết bị biên. Các dòng cũ hơn như YOLO11 và YOLOv5u vẫn được hỗ trợ thông qua cùng một API.
Sử dụng chế độ huấn luyện 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 GPU đám mây và quản lý các lượt chạy từ trình duyệt. Nên bắt đầu từ các trọng số đã được huấn luyện sẵn: fine-tuning hội tụ nhanh hơn và cần ít dữ liệu hơn so với huấn luyện từ đầu.
Các mô hình phát hiện được đánh giá bằng độ chính xác (precision), độ triệu hồi (recall) và mean average precision (mAP) được tính toán trên các ngưỡng IoU. Quá trình xác thực của Ultralytics tự động báo cáo các chỉ số này cho mọi lớp. Hướng dẫn đánh giá mô hình giải thích cách diễn giải chúng và cải thiện tập dữ liệu cũng như cấu hình huấn luyện của bạn.
Sử dụng chế độ xuất để chuyển đổi các bộ phát hiện đã 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 giúp đồ thị xuất ra đơn giản và chế độ điểm chuẩn so sánh tốc độ và độ chính xác giữa các định dạng trước khi bạn phát hành.
Xây dựng tính năng phát hiện đối tượng với Ultralytics
Chú thích dữ liệu, huấn luyện các bộ phát hiện YOLO26 và triển khai chúng ở bất cứ đâu với Ultralytics Platform.