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

Link to this sectionHome#

Wir stellen Ultralytics YOLO26 vor, 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 End-to-End NMS-freie Inferenz sowie eine optimierte Edge-Bereitstellung. Sein optimiertes 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.

Entdecke die Ultralytics Docs, eine umfassende Ressource, die dir dabei hilft, die Funktionen und Möglichkeiten zu verstehen und zu nutzen. Egal, ob du ein erfahrener Machine Learning-Praktiker oder ein Neuling auf diesem Gebiet bist, dieser 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.

Link to this sectionWo soll ich anfangen?#

Link to this sectionYOLO: 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. Das 2015 eingeführte YOLO gewann aufgrund seiner hohen Geschwindigkeit und Genauigkeit an Popularität.

• YOLOv2, veröffentlicht im Jahr 2016, verbesserte das ursprüngliche Modell durch die Einbeziehung von Batch-Normalisierung, Anchor-Boxen und Dimensions-Clustern.
• YOLOv3, eingeführt im Jahr 2018, verbesserte die Leistung des Modells weiter durch die Verwendung eines effizienteren Backbone-Netzwerks, mehrerer Anker und Spatial Pyramid Pooling.
• YOLOv4 wurde 2020 veröffentlicht und führte Innovationen wie Mosaic Datenaugmentation, einen neuen ankerfreien Detektionskopf und eine neue Verlustfunktion ein.
• YOLOv5 verbesserte die Leistung des Modells weiter und fügte neue Funktionen wie Hyperparameter-Optimierung, integrierte Experiment-Nachverfolgung und automatischen Export in gängige Exportformate hinzu.
• YOLOv6 wurde 2022 von Meituan als Open Source veröffentlicht und wird in vielen der autonomen Lieferroboter des Unternehmens eingesetzt.
• YOLOv7 fügte zusätzliche Aufgaben wie die Pose-Schätzung auf dem COCO-Keypoints-Datensatz hinzu.
• YOLOv8, 2023 von Ultralytics veröffentlicht, führte neue Funktionen und Verbesserungen für eine gesteigerte Leistung, Flexibilität und Effizienz ein und unterstützt eine ganze Reihe von Vision-AI-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 hervorragende Leistung bei mehreren Aufgaben, darunter Objekterkennung, Segmentierung, Pose-Schätzung, Tracking und Klassifizierung, was den Einsatz in verschiedenen KI-Anwendungen und Bereichen ermöglicht.
• YOLO26 🚀: Das YOLO-Modell der nächsten Generation von Ultralytics, optimiert für die Edge-Bereitstellung mit NMS-freier End-to-End-Inferenz.

Link to this sectionYOLO-Lizenzen: Wie ist Ultralytics YOLO lizenziert?#

Ultralytics bietet zwei Lizenzierungsoptionen für unterschiedliche Anwendungsfälle an:

• AGPL-3.0-Lizenz: Diese OSI-zugelassene Open-Source-Lizenz ist ideal für Studenten und Enthusiasten und fördert die offene Zusammenarbeit und den Wissensaustausch. Weitere Details findest du in der LICENSE-Datei.
• Enterprise-Lizenz: Für die Entwicklung und den produktiven Einsatz ermöglicht diese Lizenz die nahtlose Integration von Ultralytics Software und KI-Modellen in Geschäftsprodukte und Dienstleistungen, einschließlich interner Tools, automatisierter Workflows und Produktionsbereitstellungen, unter Umgehung der Open-Source-Anforderungen der AGPL-3.0. Um zu starten, kontaktiere uns bitte über Ultralytics Licensing.

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

Link to this sectionDie 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 die Objekterkennung als ein einziges Regressionsproblem, bei dem Bounding Boxes und Klassenwahrscheinlichkeiten direkt aus vollständigen Bildern in einer einzigen Auswertung vorhergesagt werden. Diese revolutionäre Methode hat YOLO-Modelle deutlich schneller gemacht als frühere zweistufige Detektoren, während gleichzeitig eine hohe Genauigkeit beibehalten wurde.

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

Link to this sectionFAQ#

Link to this sectionWas 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 und führt eine NMS-freie End-to-End-Inferenz sowie eine optimierte Edge-Bereitstellung ein. YOLO unterstützt verschiedene Vision-KI-Aufgaben wie Erkennung, Instanzsegmentierung, semantische Segmentierung, Pose-Schätzung, Tracking und Klassifizierung. Seine effiziente Architektur sorgt für exzellente Geschwindigkeit und Genauigkeit, was es für diverse Anwendungen geeignet macht, einschließlich Edge-Geräten und Cloud-APIs.

Link to this sectionWie kann ich mit der Installation und Einrichtung von YOLO beginnen?#

Der Einstieg in YOLO ist schnell und unkompliziert. Du kannst das Ultralytics-Paket einfach 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 Schnellstart-Seite. Diese Ressource hilft dir bei den Installationsanweisungen, der Ersteinrichtung und dem Ausführen deines ersten Modells.

Link to this sectionWie kann ich ein benutzerdefiniertes YOLO-Modell mit meinem Datensatz trainieren?#

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

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

Hier ist ein Beispielcode für die Objekterkennungsaufgabe:

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 sieh dir unseren Ein Modell trainieren-Leitfaden an, der Beispiele und Tipps zur Optimierung deines Trainingsprozesses enthält.

Link to this sectionWelche 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 den nicht-kommerziellen Gebrauch und fördert die offene Zusammenarbeit.
• Enterprise-Lizenz: Für Entwicklungs- und Produktionszwecke, einschließlich interner Tools, automatisierter Workflows und Produktionsbereitstellungen, wobei die Open-Source-Anforderungen der AGPL-3.0 umgangen werden.

Weitere Details findest du auf unserer Lizenzierungs-Seite.

Link to this sectionWie kann Ultralytics YOLO für die Echtzeit-Objektverfolgung verwendet werden?#

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

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 zur Einrichtung und Ausführung von Objekt-Tracking lies unsere Track-Modus-Dokumentation, die die Konfiguration und praktische Anwendungen in Echtzeitszenarien erklärt.