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 renommierten 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 eine optimierte Edge-Bereitstellung. Das schlanke 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 Dokumentation, eine umfassende Ressource, die dir 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, 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 du starten kannst

YOLO: Eine kurze Geschichte

YOLO (You Only Look Once), ein beliebtes Modell für Objekterkennung und Bildsegmentierung, wurde von Joseph Redmon und Ali Farhadi an der University of Washington entwickelt. Das 2015 veröffentlichte YOLO erlangte aufgrund seiner hohen Geschwindigkeit und Genauigkeit große Popularität.

• YOLOv2, veröffentlicht im Jahr 2016, verbesserte das ursprüngliche Modell durch die Integration von Batch-Normalisierung, Anchor Boxes und Dimensionsclustern.
• YOLOv3, gestartet 2018, verbesserte die Leistung des Modells weiter durch ein effizienteres Backbone-Netzwerk, mehrere Anchors und Spatial Pyramid Pooling.
• YOLOv4 wurde 2020 veröffentlicht und führte Innovationen wie Mosaic Datenaugmentation, einen neuen Anchor-freien Detektionskopf und eine neue Verlustfunktion ein.
• YOLOv5 verbesserte die Leistung des Modells weiter und fügte neue Funktionen hinzu, wie Hyperparameter-Optimierung, integriertes Experiment-Tracking und automatischen Export in gängige Formate.
• YOLOv6 wurde 2022 von Meituan als Open Source zur Verfügung gestellt und wird in vielen der autonomen Lieferroboter des Unternehmens eingesetzt.
• YOLOv7 fügte zusätzliche Aufgaben wie Pose-Schätzung auf dem COCO-Keypoints-Datensatz hinzu.
• YOLOv8, 2023 von Ultralytics veröffentlicht, führte neue Funktionen und Verbesserungen für mehr 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) überflüssig macht.
• YOLO11: YOLO11 wurde im September 2024 veröffentlicht und bietet eine exzellente Leistung bei verschiedenen Aufgaben, darunter Objekterkennung, Segmentierung, Pose-Schätzung, Tracking und Klassifizierung, und ermöglicht den Einsatz in diversen KI-Anwendungen und Domänen.
• YOLO26 🚀: Das YOLO-Modell der nächsten Generation von Ultralytics, optimiert für Edge-Bereitstellung mit durchgängiger NMS-freier 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-genehmigte Open-Source-Lizenz ist ideal für Studenten und Enthusiasten und fördert offene Zusammenarbeit sowie 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 produktiver Bereitstellungen, 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, von der alle profitieren.

Die Evolution der Objekterkennung

Die Objekterkennung hat sich über die Jahre signifikant weiterentwickelt, von traditionellen Computer-Vision-Techniken bis hin zu fortgeschrittenen Deep-Learning-Modellen. Die YOLO-Modellfamilie steht an der Spitze dieser Evolution und verschiebt kontinuierlich die Grenzen dessen, was in der Echtzeit-Objekterkennung möglich ist.

Der einzigartige Ansatz von YOLO behandelt Objekterkennung als ein einzelnes Regressionsproblem, bei dem Bounding Boxes und Klassenwahrscheinlichkeiten direkt aus vollständigen Bildern in einer einzigen Auswertung vorhergesagt werden. Diese revolutionäre Methode hat YOLO-Modelle wesentlich schneller gemacht als frühere Zwei-Stufen-Detektoren, während eine hohe Genauigkeit beibehalten wurde.

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 aus der Computer-Vision-Forschung integriert, mit durchgängiger NMS-freier Inferenz und optimierter Edge-Bereitstellung für reale Anwendungen.

FAQ

Was ist Ultralytics YOLO und wie verbessert es die Objekterkennung?

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

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

Der Einstieg in YOLO ist schnell und unkompliziert. 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 Schnellstart-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 erfordert ein paar 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 ihr eigenes Argument)

Hier ist ein Beispielcode für die Objekterkennungs-Aufgabe:

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 Train a Model-Leitfaden 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 die nicht-kommerzielle Nutzung und fördert eine offene Zusammenarbeit.
• Enterprise-Lizenz: Für die Entwicklung und den produktiven Einsatz, einschließlich interner Tools, automatisierter Workflows und produktiver Bereitstellungen, unter Umgehung der Open-Source-Anforderungen der AGPL-3.0.

Für weitere Details besuche unsere Lizenzierungs-Seite.

Wie kann Ultralytics YOLO für Echtzeit-Objekt-Tracking verwendet werden?

Ultralytics YOLO unterstützt effizientes und anpassbares Multi-Objekt-Tracking. Um die Tracking-Funktionen zu nutzen, kannst du den yolo track Befehl 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 sieh dir unsere Track Mode-Dokumentation an, die die Konfiguration und praktische Anwendungen in Echtzeitszenarien erklärt.