中文 · 한국어 · 日本語 · Русский · Deutsch · Français · Español · Português · Türkçe · Tiếng Việt · العربية

Startseite

Wir stellen vor: Ultralytics YOLO26, die neueste Version des gefeierten Modells für Echtzeit-Objekterkennung und Bildsegmentierung. YOLO26 basiert auf Fortschritten im Bereich Deep Learning und Computer Vision und bietet eine durchgängige NMS-freie Inferenz sowie optimierte Edge-Bereitstellung. Das optimierte Design macht es für verschiedene Anwendungen geeignet und leicht an unterschiedliche Hardwareplattformen anpassbar, von Edge-Geräten bis hin zu Cloud-APIs. Für stabile Produktions-Workloads werden sowohl YOLO26 als auch YOLO11 empfohlen.

Erkunde die Ultralytics-Dokumentation, eine umfassende Ressource, die dir hilft, die Funktionen und Möglichkeiten zu verstehen und zu nutzen. Egal, ob du ein erfahrener Machine Learning-Anwender bist oder neu auf diesem Gebiet, dieses Hub zielt darauf ab, das Potenzial von YOLO in deinen Projekten zu maximieren.

Fordere eine Enterprise-Lizenz für die kommerzielle Nutzung unter Ultralytics Licensing an.

Wo anfangen

YOLO: Eine kurze Geschichte

YOLO (You Only Look Once), ein beliebtes Modell zur Objekterkennung und Bildsegmentierung, wurde von Joseph Redmon und Ali Farhadi an der University of Washington entwickelt. YOLO wurde 2015 veröffentlicht und gewann aufgrund seiner hohen Geschwindigkeit und Genauigkeit schnell an Popularität.

• YOLOv2, veröffentlicht im Jahr 2016, verbesserte das ursprüngliche Modell durch die Integration von Batch-Normalisierung, Ankerboxen und Dimensionsclustern.
• YOLOv3, veröffentlicht 2018, steigerte die Leistung des Modells weiter durch ein effizienteres Backbone-Netzwerk, mehrere Anker und Spatial Pyramid Pooling.
• YOLOv4 wurde 2020 veröffentlicht und führte Innovationen wie Mosaic Data Augmentation, einen neuen ankerfreien Detektionskopf und eine neue Loss Function ein.
• YOLOv5 verbesserte die Leistung des Modells weiter und fügte neue Funktionen wie Hyperparameter-Optimierung, integriertes Experiment-Tracking und automatischen Export in gängige Formate hinzu.
• YOLOv6 wurde 2022 von Meituan als Open Source veröffentlicht und wird in vielen autonomen Lieferrobotern des Unternehmens eingesetzt.
• YOLOv7 fügte zusätzliche Aufgaben hinzu, wie etwa Pose-Estimation auf dem COCO-Keypoints-Datensatz.
• YOLOv8, 2023 von Ultralytics veröffentlicht, führte neue Funktionen und Verbesserungen für höhere Leistung, Flexibilität und Effizienz ein und unterstützt eine vollständige Palette von Vision-KI-Aufgaben.
• YOLOv9 führt innovative Methoden wie Programmable Gradient Information (PGI) und das Generalized Efficient Layer Aggregation Network (GELAN) ein.
• YOLOv10, erstellt von Forschern der Tsinghua University unter Verwendung des Ultralytics Python-Pakets, bietet Fortschritte bei der Echtzeit-Objekterkennung durch die Einführung eines End-to-End-Kopfes, der Anforderungen an Non-Maximum Suppression (NMS) eliminiert.
• YOLO11: YOLO11 wurde im September 2024 veröffentlicht und liefert exzellente Leistungen bei mehreren Aufgaben, einschließlich Objekterkennung, Segmentierung, Pose Estimation, Tracking und Klassifizierung, was den Einsatz in verschiedensten KI-Anwendungen und Domänen ermöglicht.
• YOLO26 🚀: Das YOLO-Modell der nächsten Generation von Ultralytics, optimiert für Edge-Bereitstellung mit NMS-freier End-to-End-Inferenz.

YOLO-Lizenzen: Wie ist Ultralytics YOLO lizenziert?

Ultralytics bietet zwei Lizenzoptionen an, um unterschiedlichen Anwendungsfällen gerecht zu werden:

• AGPL-3.0-Lizenz: Diese OSI-geprüfte Open-Source-Lizenz ist ideal für Studenten und Enthusiasten und fördert offene Zusammenarbeit und Wissensaustausch. Weitere Details findest du in der LICENSE-Datei.
• Enterprise-Lizenz: Diese Lizenz ist für die kommerzielle Nutzung konzipiert und ermöglicht die nahtlose Integration von Ultralytics-Software und KI-Modellen in kommerzielle Produkte und Dienstleistungen, ohne die Open-Source-Anforderungen der AGPL-3.0. Wenn dein Szenario die Einbettung unserer Lösungen in ein kommerzielles Angebot beinhaltet, kontaktiere uns über Ultralytics Licensing.

Unsere Lizenzierungsstrategie wurde entwickelt, um sicherzustellen, dass alle Verbesserungen an unseren Open-Source-Projekten an die Community zurückgegeben werden. Wir glauben an Open Source und unsere Mission ist es, sicherzustellen, dass unsere Beiträge genutzt und auf Arten erweitert werden können, die allen zugutekommen.

Die Entwicklung der Objekterkennung

Die Objekterkennung hat sich im Laufe der Jahre erheblich weiterentwickelt, von traditionellen Computer-Vision-Techniken bis hin zu fortschrittlichen Deep-Learning-Modellen. Die YOLO-Modellfamilie steht an der Spitze dieser Entwicklung und verschiebt konsequent die Grenzen dessen, was bei der Objekterkennung in Echtzeit möglich ist.

Der einzigartige Ansatz von YOLO behandelt Objekterkennung als ein einzelnes Regressionsproblem, das Bounding Boxes und Klassenwahrscheinlichkeiten direkt aus vollständigen Bildern in einer einzigen Auswertung vorhersagt. Diese revolutionäre Methode hat YOLO-Modelle deutlich schneller gemacht als frühere zweistufige Detektoren, bei gleichbleibend hoher Genauigkeit.

Mit jeder neuen Version hat YOLO architektonische Verbesserungen und innovative Techniken eingeführt, die die Leistung über verschiedene Metriken hinweg gesteigert haben. YOLO26 setzt diese Tradition fort, indem es die neuesten Fortschritte der Computer-Vision-Forschung integriert und eine NMS-freie End-to-End-Inferenz sowie eine optimierte Edge-Bereitstellung für reale Anwendungen bietet.

FAQ

Was ist Ultralytics YOLO und wie verbessert es die Objekterkennung?

Ultralytics YOLO ist die gefeierte YOLO (You Only Look Once)-Serie für Echtzeit-Objekterkennung und Bildsegmentierung. Das neueste Modell, YOLO26, baut auf früheren Versionen auf, indem es eine NMS-freie End-to-End-Inferenz und optimierte Edge-Bereitstellung einführt. YOLO unterstützt verschiedene Vision-KI-Aufgaben wie Detektion, Segmentierung, Pose Estimation, Tracking und Klassifizierung. Seine effiziente Architektur sorgt für hervorragende Geschwindigkeit und Genauigkeit, was es für verschiedene Anwendungen geeignet macht, einschließlich Edge-Geräten und Cloud-APIs.

Wie kann ich mit der YOLO-Installation und -Einrichtung beginnen?

Der Einstieg in YOLO ist schnell und einfach. Du kannst das Ultralytics-Paket mit pip installieren und in wenigen Minuten loslegen. Hier ist ein grundlegender Installationsbefehl:

pip install -U ultralytics

Für eine umfassende Schritt-für-Schritt-Anleitung besuche unsere Quickstart-Seite. Diese Ressource hilft dir bei Installationsanweisungen, der Ersteinrichtung und dem Ausführen deines ersten Modells.

Wie kann ich ein benutzerdefiniertes YOLO-Modell auf meinem Datensatz trainieren?

Das Training eines benutzerdefinierten YOLO-Modells auf deinem Datensatz umfasst einige detaillierte Schritte:

1. Bereite deinen annotierten Datensatz vor.
2. Konfiguriere die Trainingsparameter in einer YAML-Datei.
3. Verwende den yolo TASK train-Befehl, um das Training zu starten. (Jede TASK hat ihre eigenen Argumente)

Hier ist ein Beispielcode für die Aufgabe Objekterkennung:

from ultralytics import YOLO

# Load a pretrained YOLO model (you can choose n, s, m, l, or x versions)
model = YOLO("yolo26n.pt")

# Start training on your custom dataset
model.train(data="path/to/dataset.yaml", epochs=100, imgsz=640)

Für eine detaillierte Anleitung schau dir unseren Modell trainieren-Guide an, der Beispiele und Tipps zur Optimierung deines Trainingsprozesses enthält.

Welche Lizenzoptionen gibt es für Ultralytics YOLO?

Ultralytics bietet zwei Lizenzoptionen für YOLO an:

• AGPL-3.0-Lizenz: Diese Open-Source-Lizenz ist ideal für den Bildungsbereich und nicht-kommerzielle Zwecke und fördert die offene Zusammenarbeit.
• Enterprise-Lizenz: Diese ist für kommerzielle Anwendungen konzipiert und ermöglicht die nahtlose Integration von Ultralytics-Software in kommerzielle Produkte, ohne die Einschränkungen der AGPL-3.0-Lizenz.

Weitere Details findest du auf unserer Lizenzierungs-Seite.

Wie kann Ultralytics YOLO für die Echtzeit-Objektverfolgung verwendet werden?

Ultralytics YOLO unterstützt effizientes und anpassbares Multi-Objekt-Tracking. Um Tracking-Funktionen zu nutzen, kannst du den Befehl yolo track wie unten gezeigt verwenden:

from ultralytics import YOLO

# Load a pretrained YOLO model
model = YOLO("yolo26n.pt")

# Start tracking objects in a video
# You can also use live video streams or webcam input
model.track(source="path/to/video.mp4")

Für eine detaillierte Anleitung zum Einrichten und Ausführen der Objektverfolgung schau dir unsere Track-Modus-Dokumentation an, die die Konfiguration und praktische Anwendungen in Echtzeitszenarien erklärt.