Erste Schritte

Modellvorhersage mit Ultralytics YOLO

Ultralytics YOLO ecosystem and integrations

Einführung#

In Machine Learning und Computer Vision bezeichnet man die Verarbeitung visueller Daten mit einem trainierten Modell als Inferenz oder Vorhersage. Der Predict-Modus von Ultralytics YOLO26 ermöglicht schnelle Inferenz in Echtzeit mit einer großen Auswahl an Datenquellen.

Geplante Inferenzbeispiele findest du in der Vorschau auf das noch nicht veröffentlichte YOLO27.



Sieh dir an: Extrahiere Begrenzungsrahmen, Masken, Schlüsselpunkte, OBB, Tiefe und mehr mit Ultralytics YOLO26 in Python 🚀

Anwendungen in der Praxis#

FertigungSportSicherheit
Erkennung von FahrzeugersatzteilenErkennung von FußballspielernErkennung von Stürzen

Warum Ultralytics YOLO für Inferenz verwenden?#

Wichtige Gründe für die Verwendung des Predict-Modus von YOLO26:

  • Vielseitigkeit: Führe Inferenz auf Bildern, Videos und Livestreams aus.
  • Leistung: Für echtzeitfähige Verarbeitung mit hoher Geschwindigkeit entwickelt, ohne Abstriche bei der Genauigkeit.
  • Einfache Bedienung: Intuitive Schnittstellen für Python und CLI ermöglichen eine schnelle Bereitstellung und Prüfung.
  • Umfangreiche Anpassungsmöglichkeiten: Verschiedene Einstellungen und Parameter, mit denen du das Inferenzverhalten des Modells an deine konkreten Anforderungen anpassen kannst.
  • Bereit für den Produktionseinsatz: Stelle Modelle als Inferenzendpunkte der Ultralytics Platform mit automatischer Skalierung und Überwachung bereit oder führe die Inferenz lokal aus.

Wichtige Funktionen des Vorhersagemodus#

Der Predict-Modus von YOLO26 umfasst:

  • Kompatibilität mit verschiedenen Datenquellen: Der Predict-Modus akzeptiert einzelne Bilder, Bildsammlungen, Videodateien und Videostreams in Echtzeit.
  • Streaming-Modus: Verwende die Streaming-Funktion, um einen speichereffizienten Generator von Results-Objekten zu erstellen. Aktiviere diese Funktion, indem du stream=True in der Aufrufmethode des Prädiktors setzt. Anders als beim Standardverhalten (stream=False), das eine Liste mit allen Ergebnissen zurückgibt, liefert stream=True die Ergebnisse einzeln. Das ist besonders bei langen Videos und Live-Streams nützlich.
  • Stapelverarbeitung: Verarbeite mehrere Bilder oder Videobilder in einem einzigen Stapel und verkürze so die gesamte Inferenzzeit.
  • Einfache Integration: Integriere den Modus über eine flexible API in bestehende Datenpipelines und andere Softwarekomponenten.

Ultralytics YOLO-Modelle geben entweder eine Python-Liste mit Results-Objekten oder einen speichereffizienten Generator mit Results-Objekten zurück, wenn bei der Inferenz stream=True an das Modell übergeben wird:

Vorhersagen
from ultralytics import YOLO

# Ein Modell laden
model = YOLO("yolo26n.pt")  # vortrainiertes YOLO26n-Modell

# Stapelweise Inferenz auf einer Liste von Bildern ausführen
results = model(["image1.jpg", "image2.jpg"])  # eine Liste mit Results-Objekten zurückgeben

# Ergebnisliste verarbeiten
for result in results:
    boxes = result.boxes  # Boxes-Objekt für Begrenzungsrahmen-Ausgaben
    masks = result.masks  # Masks-Objekt für Segmentierungsmasken-Ausgaben
    keypoints = result.keypoints  # Keypoints-Objekt für Posenausgaben
    probs = result.probs  # Probs-Objekt für Klassifizierungsausgaben
    obb = result.obb  # Oriented-Boxes-Objekt für OBB-Ausgaben
    result.show()  # auf dem Bildschirm anzeigen
    result.save(filename="result.jpg")  # auf dem Datenträger speichern

Inferenzquellen#

YOLO26 kann für die Inferenz verschiedene Arten von Eingabequellen verarbeiten, wie in der folgenden Tabelle gezeigt. Zu den Quellen gehören statische Bilder, Videostreams und verschiedene Datenformate. Die Tabelle zeigt außerdem, ob sich die jeweilige Quelle mit dem Argument stream=True ✅ im Streaming-Modus verwenden lässt. Der Streaming-Modus eignet sich für die Verarbeitung von Videos oder Live-Streams, da er einen Ergebnisgenerator erstellt, anstatt alle Frames in den Arbeitsspeicher zu laden.

Tipp

Verwende stream=True, um den Arbeitsspeicher bei der Verarbeitung langer Videos oder großer Datensätze effizient zu verwalten. Bei stream=False werden die Ergebnisse für alle Frames oder Datenpunkte im Arbeitsspeicher gespeichert. Bei großen Eingaben kann sich der Speicherbedarf schnell summieren und zu Fehlern wegen unzureichenden Arbeitsspeichers führen. stream=True verwendet dagegen einen Generator, der nur die Ergebnisse des aktuellen Frames oder Datenpunkts im Arbeitsspeicher hält. Dadurch sinkt der Speicherverbrauch deutlich und Probleme wegen unzureichenden Arbeitsspeichers werden vermieden.

QuelleBeispielTypHinweise
Bild'image.jpg'str oder PathEinzelne Bilddatei.
URL'https://ultralytics.com/images/bus.jpg'strURL zu einem Bild.
Screenshot ✅'screen'strErfasse den Bildschirm fortlaufend, bis die Erfassung gestoppt wird.
PILImage.open('image.jpg')PIL.ImageHWC-Format mit RGB-Kanälen.
OpenCVcv2.imread('image.jpg')np.ndarrayHWC-Format mit BGR-Kanälen uint8 (0-255).
NumPynp.zeros((640,1280,3))np.ndarrayHWC-Format mit BGR-Kanälen uint8 (0-255).
torchtorch.zeros(16,3,320,640)torch.TensorBCHW-Format mit RGB-Kanälen float32 (0.0-1.0).
CSV'sources.csv'str oder PathCSV-Datei mit Pfaden zu Bildern, Videos oder Verzeichnissen.
Video ✅'video.mp4'str oder PathVideodatei in Formaten wie MP4, AVI usw.
Verzeichnis ✅'path/'str oder PathPfad zu einem Verzeichnis mit Bildern oder Videos.
Glob-Muster ✅'path/*.jpg'strGlob-Muster zum Abgleichen mehrerer Dateien. Verwende das Zeichen * als Platzhalter.
YouTube ✅'https://youtu.be/LNwODJXcvt4'strURL zu einem YouTube-Video.
Stream ✅'rtsp://example.com/media.mp4'strURL für Streamingprotokolle wie RTSP, RTMP oder TCP oder eine IP-Adresse.
Mehrere Streams ✅'list.streams'str oder Path*.streams-Textdatei mit einer Stream-URL pro Zeile. Bei 8 Streams wird beispielsweise die Stapelgröße 8 verwendet.
Webcam ✅0intIndex des angeschlossenen Kamerageräts, für das die Inferenz ausgeführt werden soll.

Nachfolgend findest du Codebeispiele zur Verwendung der einzelnen Quelltypen:

Vorhersagequellen

Führe Inferenz auf einer Bilddatei aus.

from ultralytics import YOLO

# Ein vortrainiertes YOLO26n-Modell laden
model = YOLO("yolo26n.pt")

# Pfad zur Bilddatei festlegen
source = "path/to/image.jpg"

# Inferenz auf der Quelle ausführen
results = model(source)  # Liste mit Results-Objekten

Inferenzargumente#

model.predict() akzeptiert mehrere Argumente, die bei der Inferenz übergeben werden können, um Standardwerte zu überschreiben:

Feste Form im Vergleich zu kleinstmöglichem Rechteck (rect)#

Standardmäßig verwendet predict rect=True, wodurch nach Möglichkeit Padding auf das minimale Rechteck aktiviert wird. Das Bild wird so skaliert, dass es in imgsz passt, und nur bis zum nächsten Vielfachen des Strides aufgefüllt. Daher kann der endgültige Tensor kleiner als imgsz sein. Padding auf das minimale Rechteck wird nur verwendet, wenn alle Bilder im Batch dieselbe Form haben und das Backend dies unterstützt (PyTorch .pt oder ein Export mit dynamischer Form, etwa dynamisches ONNX). Andernfalls werden die Bilder auf das vollständige Ziel imgsz aufgefüllt. Tiefen- und RT-DETR-Modelle ignorieren rect und strecken jedes Bild ohne Padding auf das vollständige imgsz.

Verwende rect=False, um immer das vollständige Ziel imgsz zu verwenden. Das wird empfohlen, wenn du eine feste Eingabegröße benötigst, die zu exportierten Modellen (ONNX, TensorRT usw.) passt.

Ganzzahl im Vergleich zu Tupel imgsz

  • Eine Ganzzahl imgsz=640 ergibt nach der Rundung auf ein Stride-Vielfaches eine quadratische Zielgröße (640, 640).
  • Ein Tupel imgsz=(384, 672) legt eine rechteckige Zielgröße fest. Bei rect=True kann der tatsächliche Tensor kleiner als diese Zielgröße sein.

Training im Vergleich zu predict/export

Beim Training wird nur eine einzelne Ganzzahl imgsz akzeptiert (eine Liste [h, w] wird auf den größten Wert reduziert). predict und export akzeptieren entweder eine Ganzzahl oder ein Tupel (height, width).

Beispiel
from ultralytics import YOLO

# Ein vortrainiertes YOLO26n-Modell laden
model = YOLO("yolo26n.pt")

# Inferenz auf „bus.jpg“ mit Argumenten ausführen
model.predict("https://ultralytics.com/images/bus.jpg", save=True, imgsz=320, conf=0.25)

Inferenzargumente:

ArgumentTypStandardBeschreibung
sourcestr oder int oder NoneNoneGibt die Datenquelle für die Inferenz an. Möglich sind ein Bildpfad, eine Videodatei, ein Verzeichnis, eine URL oder eine Geräte-ID für Live-Feeds. Wenn keine Quelle angegeben ist, wird eine Warnung protokolliert und das Modell greift auf die integrierten Demodateien zurück (ultralytics/assets oder bei OBB eine Demo-URL). Unterstützt eine Vielzahl von Formaten und Quellen und ermöglicht so den flexiblen Einsatz mit verschiedenen Eingabetypen.
conffloat0.25Legt den minimalen Konfidenzschwellwert für Erkennungen fest. Objekte, deren Erkennung unter diesem Schwellwert liegt, werden verworfen. Durch Anpassen dieses Werts lassen sich falsch positive Ergebnisse reduzieren.
ioufloat0.5Schwellwert für Intersection over Union (IoU) bei Non-Maximum-Suppression (NMS). Niedrigere Werte führen zu weniger Erkennungen, da überlappende Boxen entfernt werden. Das ist nützlich, um Duplikate zu reduzieren.
imgszint oder tuple640Zielgröße für Letterboxing. Eine Ganzzahl ergibt ein quadratisches N×N; ein Tupel ergibt (height, width). Bei rect=True kann der tatsächliche Tensor aufgrund der Auffüllung auf das minimale Rechteck kleiner als dieses Ziel sein. Verwende rect=False für eine feste Größe. Siehe Feste Form oder minimales Rechteck.
rectboolTrueWenn True, verwende nach Möglichkeit Padding auf das minimale Rechteck (gleiche Form im Batch und unterstütztes Backend). Wenn False, verwende immer das vollständige imgsz. Siehe Feste Form oder minimales Rechteck. Wird für depth und RT-DETR-Modelle ignoriert, die Bilder ohne Padding auf die vollständige imgsz strecken.
quantizeint oder strNoneInferenzpräzision: 16/"fp16" und 32/"fp32"/unset wählen FP16- oder FP32-Berechnungen für PyTorch- und TorchScript-Modelle aus (FP32 auf der CPU); andere Formate verwenden die Präzision, die ihr Artefakt und ihre Laufzeitumgebung vorgeben. Bei 16 rundet OpenVINO die Eingabe auf dem Client weiterhin auf FP16 und erweitert sie anschließend wieder auf FP32, ohne die Präzision der Laufzeitumgebung zu ändern. Die INT8/PTQ-Quantisierung wird beim Export konfiguriert und anschließend durch Laden des exportierten Modells verwendet. Ersetzt das veraltete Flag half.
devicestrNoneGibt das Gerät für die Inferenz an (z. B. cpu, cuda:0, 0, npu oder npu:0). Ermöglicht es Nutzern, für die Modellausführung zwischen CPU, einer bestimmten GPU, Huawei Ascend NPU oder anderen Rechengeräten zu wählen. OpenVINO- und LiteRT-Modelle werden auf der Intel-GPU und NPU mit xpu und npu ausgeführt; unter Inferenzgeräte findest du Informationen zu allen Formaten.
dnnboolFalseWenn True verwendet wird, nutzt die Inferenz von ONNX-Modellen das DNN-Modul von OpenCV statt ONNX Runtime.
datastrNonePfad zu einer Dataset-YAML-Datei (z. B. coco8.yaml), die nur für ihre names gelesen wird und nur dann, wenn das geladene Modell keine eigenen Klassennamen enthält: bei einem Export eines Drittanbieters oder bei einem Ultralytics-Export, der von den mitgelieferten Metadaten getrennt wurde. Andernfalls meldet ein solches Modell class0, class1 und so weiter.
batchint1Legt die Batchgröße für die Inferenz fest (funktioniert nur, wenn die Quelle ein Verzeichnis, eine Videodatei oder eine .txt-Datei ist). Eine größere Batchgröße kann den Durchsatz erhöhen und so die insgesamt benötigte Inferenzzeit verkürzen.
tilebool oder intFalseFührt die Inferenz mit festen Kacheln aus und gibt die Ergebnisse in den Koordinaten des Originalbilds zurück. True verwendet imgsz; eine positive Ganzzahl legt die Kachelgröße fest. Siehe Kachelung mit hoher Auflösung.
max_detint300Maximale Anzahl der pro Bild zulässigen Erkennungen. Begrenzt die Gesamtzahl der Objekte, die das Modell bei einer einzelnen Inferenz erkennen kann, und verhindert übermäßig viele Ausgaben in dicht besetzten Szenen.
vid_strideint1Bildabstand für Videoeingaben. Überspringt bei Videos Bilder, um die Verarbeitung zu beschleunigen, verringert dabei jedoch die zeitliche Auflösung. Der Wert 1 verarbeitet jedes Bild; höhere Werte überspringen Bilder.
stream_bufferboolFalseLegt fest, ob eingehende Bilder für Videostreams in eine Warteschlange gestellt werden. Bei False werden alte Bilder verworfen, um Platz für neue zu schaffen (optimiert für Echtzeitanwendungen). Bei True werden neue Bilder in einem Puffer zwischengespeichert, damit keine Bilder übersprungen werden; liegt die Inferenz-FPS jedoch unter der Stream-FPS, entsteht dadurch eine Verzögerung.
visualizeboolFalseSpeichert neben jeder Vorhersage eine Aktivierungskarte, die zeigt, welche Pixel die vorhergesagten Klassenwerte erhöht haben. Berücksichtigt conf und classes, sodass classes=[0] nur diese Klasse abbildet. Nur für Ultralytics-PyTorch-Modelle verfügbar.
augmentboolFalseAktiviert Testzeit-Augmentierung (TTA) für Vorhersagen. Dadurch kann sich die Robustheit der Erkennung verbessern, allerdings auf Kosten der Inferenzgeschwindigkeit. Nur für Ultralytics-PyTorch-Modelle verfügbar.
agnostic_nmsboolFalseAktiviert klassenunabhängige Nichtmaximalwertunterdrückung (NMS), bei der sich überlappende Boxen mit niedrigeren Konfidenzwerten klassenübergreifend unterdrückt werden, nicht nur innerhalb derselben Klasse. Nützlich bei Mehrklassenerkennungen, bei denen sich Klassen häufig überschneiden. Bei der NMS-freien Inferenz (nms=False mit YOLO26 oder YOLOv10) verhindert dies lediglich, dass dieselbe Erkennung mit mehreren Klassenbezeichnungen erscheint (Duplikate mit IoU=1.0), und unterdrückt keine unterschiedlichen Boxen anhand eines IoU-Schwellenwerts.
classeslist[int]NoneFiltert Vorhersagen nach einer Auswahl von Klassen-IDs. Zurückgegeben werden nur Erkennungen, die zu den angegebenen Klassen gehören. Nützlich, um sich bei Mehrklassenerkennungsaufgaben auf relevante Objekte zu konzentrieren.
retina_masksboolFalseGibt hochauflösende Segmentierungsmasken zurück. Wenn diese Option aktiviert ist, entsprechen die zurückgegebenen Masken (masks.data) der Originalbildgröße. Andernfalls haben sie die bei der Inferenz verwendete Bildgröße.
embedlist[int]NoneLegt fest, aus welchen Schichten Feature-Vektoren oder Einbettungen extrahiert werden. Verwende model.embed(source) für Einbettungen aus der vorletzten Schicht oder model.predict(source, embed=[layer]), um bestimmte Schichten auszuwählen. Nützlich für nachgelagerte Aufgaben wie Clustering oder Ähnlichkeitssuche. Nur für Ultralytics-PyTorch-Modelle verfügbar.
projectstrNoneName des Projektverzeichnisses, in dem die Vorhersageergebnisse gespeichert werden, wenn save aktiviert ist. Ein relativer Pfad wird unter runs_dir/<task> abgelegt, ein absoluter Pfad wird unverändert verwendet.
namestrNoneName des Vorhersagelaufs. Dient zum Erstellen eines Unterverzeichnisses im Projektordner, in dem die Vorhersageausgaben gespeichert werden, wenn save aktiviert ist.
streamboolFalseErmöglicht eine speichereffiziente Verarbeitung langer Videos oder vieler Bilder, indem ein Generator von Results-Objekten zurückgegeben wird, statt alle Bilder gleichzeitig in den Arbeitsspeicher zu laden.
verboseboolTrueLegt fest, ob ausführliche Inferenzprotokolle im Terminal angezeigt werden, die den Vorhersageprozess in Echtzeit sichtbar machen.
compilebool oder strFalseAktiviert die PyTorch-2.x-Graphkompilierung torch.compile mit backend='inductor'. Akzeptiert True → "default", False → deaktiviert oder einen Zeichenfolgenmodus wie "default", "reduce-overhead", "max-autotune-no-cudagraphs". Bei Nichtunterstützung wird mit einer Warnung auf den Eager-Modus zurückgegriffen.
channels_lastboolNoneVerwendet für die native PyTorch-Inferenz das Speicherformat channels_last (NHWC). None aktiviert es automatisch auf oneDNN-fähigen Linux- und Windows-x86-CPUs mit PyTorch 1.13 oder neuer, False deaktiviert es und True fordert es auf unterstützten x86-CPUs oder CUDA-Geräten an. ARM64, MPS, ältere PyTorch-Versionen, CPUs ohne oneDNN und exportierte Formate wie TensorRT und ONNX bleiben unverändert.
nmsbool, optionalNoneFührt standardmäßig eine Viele-zu-eins-Inferenz mit NMS aus (None oder True). Setze False, um den NMS-freien Eins-zu-eins-Kopf zu verwenden, sofern verfügbar. Weitere Informationen findest du in der Anleitung zur End-to-End-Erkennung.

Argumente für die Visualisierung:

ArgumentTypStandardBeschreibung
showboolFalseWenn True aktiviert ist, werden die annotierten Bilder oder Videos in einem Fenster angezeigt. Nützlich für unmittelbares visuelles Feedback während der Entwicklung oder beim Testen.
saveboolFalse or TrueAktiviert das Speichern annotierter Bilder oder Videos in Dateien. Nützlich für Dokumentation, weiterführende Analysen oder zum Teilen der Ergebnisse. Bei Verwendung der CLI standardmäßig True, bei Verwendung in Python False.
save_framesboolFalseSpeichert bei der Verarbeitung von Videos einzelne Bilder als Dateien. Nützlich, um bestimmte Bilder zu extrahieren oder einzelne Bilder detailliert zu analysieren.
save_txtboolFalseSpeichert Erkennungsergebnisse in einer Textdatei im Format [class] [x_center] [y_center] [width] [height] [confidence]. Nützlich für die Einbindung in andere Analysewerkzeuge.
save_confboolFalseFügt den gespeicherten Textdateien Konfidenzwerte hinzu. Dadurch stehen mehr Details für die Nachbearbeitung und Analyse zur Verfügung.
save_cropboolFalseSpeichert zugeschnittene Bilder der erkannten Objekte. Nützlich für die Datensatzerweiterung, Analysen oder zum Erstellen gezielter Datensätze für bestimmte Objekte.
show_labelsboolTrueZeigt für jede Erkennung eine Bezeichnung in der visuellen Ausgabe an. So lassen sich erkannte Objekte sofort erkennen.
show_confboolTrueZeigt neben der Bezeichnung den Konfidenzwert jeder Erkennung an. Gibt Aufschluss darüber, wie sicher sich das Modell bei der jeweiligen Erkennung ist.
show_boxesboolTrueZeichnet Begrenzungsrahmen um erkannte Objekte. Unverzichtbar, um Objekte in Bildern oder Videobildern visuell zu identifizieren und zu lokalisieren.
line_widthint or NoneNoneLegt die Linienstärke der Begrenzungsrahmen fest. Bei None wird die Linienstärke automatisch an die Bildgröße angepasst. Ermöglicht eine übersichtliche visuelle Anpassung.

Inferenzgeräte#

device verwendet PyTorch-Gerätenamen für alle Modellformate. Daher wählt derselbe Wert dieselbe Hardware aus, egal, ob du einen .pt-Checkpoint oder ein exportiertes Modell ausführst. Lass den Wert leer, um das beste verfügbare Gerät zu verwenden. Jede Laufzeitumgebung ordnet den Namen ihrer eigenen Hardware zu. Für Validierung und Benchmarking gelten dieselben Werte:

Formatnicht festgelegtcpu0 oder cuda:0mpsxpunpu
PyTorch .pt, TorchScriptCUDA-GPU, andernfalls CPUCPUNVIDIA-GPUApple-GPUIntel-GPUHuawei-Ascend-NPU
ONNXCUDA-GPU, andernfalls CPUCPUNVIDIA-GPU (CUDA), AMD-GPU (MIGraphX)Core ML--
TensorRTNVIDIA-GPUNVIDIA-GPUNVIDIA-GPU---
OpenVINOOpenVINO AUTOIntel-CPU--Intel-GPU (xpu:1 ist OpenVINO GPU.1)Intel-NPU
LiteRTCPUCPU--Intel-GPU über das OpenVINO-PluginIntel-NPU über das OpenVINO-Plugin
PaddlePaddleCUDA-GPU, andernfalls CPUCPUNVIDIA-GPU---

- bedeutet, dass die Laufzeitumgebung kein Backend für dieses Gerät hat. ONNX, TensorRT und PaddlePaddle prüfen den Namen zuerst mit PyTorch. Daher lehnen sie ein Gerät ab, das PyTorch nicht erkennt, und verwenden andernfalls ihre Standardhardware. OpenVINO gibt eine Warnung aus und greift auf AUTO zurück, wenn ein angefordertes Intel-Gerät fehlt; das LiteRT-Intel-Plugin greift auf die CPU zurück. Andere Formate wählen ihre eigene Hardware: CoreML läuft auf der Apple Neural Engine und der CPU, für Edge TPU wird tpu:0 angegeben, für den Vulkan-GPU-Pfad von NCNN wird vulkan:0 angegeben, und die übrigen Formate laufen auf der CPU oder dem Beschleuniger des jeweiligen Zielgeräts. Die älteren Namen intel:cpu, intel:gpu und intel:npu funktionieren weiterhin als veraltete Aliase für cpu, xpu und npu.

Beispiel
from ultralytics import YOLO

model = YOLO("yolo26n_openvino_model/")
results = model("https://ultralytics.com/images/bus.jpg", device="npu")  # Intel-NPU

Bild- und Videoformate#

YOLO26 unterstützt verschiedene Bild- und Videoformate, wie in ultralytics/data/utils.py angegeben. In den folgenden Tabellen findest du die gültigen Dateiendungen und Beispiele für predict-Befehle.

Bilder#

Die folgende Tabelle enthält gültige Ultralytics-Bildformate.

Hinweis

Für HEIC-/HEIF-Formate wird pi-heif benötigt, das bei der ersten Verwendung automatisch installiert wird. AVIF wird nativ von Pillow unterstützt.

BilddateiendungenBeispiel für einen predict-BefehlReferenz
.avifyolo predict source=image.avifAV1-Bilddateiformat
.bmpyolo predict source=image.bmpMicrosoft-BMP-Dateiformat
.dngyolo predict source=image.dngAdobe DNG
.heicyolo predict source=image.heicHocheffizientes Bildformat
.heifyolo predict source=image.heifHocheffizientes Bildformat
.jp2yolo predict source=image.jp2JPEG 2000
.jpegyolo predict source=image.jpegJPEG
.jpgyolo predict source=image.jpgJPEG
.mpoyolo predict source=image.mpoMehrbildobjekt
.pngyolo predict source=image.pngPortable Network Graphics
.tifyolo predict source=image.tifTag-Image-Dateiformat
.tiffyolo predict source=image.tiffTag-Image-Dateiformat
.webpyolo predict source=image.webpWebP

Videos#

Die folgende Tabelle enthält gültige Ultralytics-Videoformate.

VideodateiendungenBeispiel für einen predict-BefehlReferenz
.asfyolo predict source=video.asfAdvanced Systems Format
.aviyolo predict source=video.aviAudio-Video-Interleave
.gifyolo predict source=video.gifGraphics Interchange Format
.m4vyolo predict source=video.m4vMPEG-4 Teil 14
.mkvyolo predict source=video.mkvMatroska
.movyolo predict source=video.movQuickTime-Dateiformat
.mp4yolo predict source=video.mp4MPEG-4 Teil 14 – Wikipedia
.mpegyolo predict source=video.mpegMPEG-1 Teil 2
.mpgyolo predict source=video.mpgMPEG-1 Teil 2
.tsyolo predict source=video.tsMPEG-Transportstream
.wmvyolo predict source=video.wmvWindows Media Video
.webmyolo predict source=video.webmWebM-Projekt

Mit Results arbeiten#

Alle Aufrufe von Ultralytics predict() geben eine Liste von Results-Objekten zurück:

Results
from ultralytics import YOLO

# Ein vortrainiertes YOLO26n-Modell laden
model = YOLO("yolo26n.pt")

# Eine Inferenz auf einem Bild ausführen
results = model("https://ultralytics.com/images/bus.jpg")
results = model(
    [
        "https://ultralytics.com/images/bus.jpg",
        "https://ultralytics.com/images/zidane.jpg",
    ]
)  # gebündelte Inferenz

Results-Objekte haben die folgenden Attribute:

AttributTypBeschreibung
orig_imgnp.ndarrayDas ursprüngliche Bild als NumPy-Array.
orig_shapetupleDie Form des ursprünglichen Bildes im Format (Höhe, Breite).
boxesBoxes, optionalEin Boxes-Objekt mit den Begrenzungsrahmen der erkannten Objekte.
masksMasks, optionalEin Masks-Objekt mit den Masken der erkannten Objekte.
probsProbs, optionalEin Probs-Objekt mit den Wahrscheinlichkeiten der einzelnen Klassen für die Klassifizierungsaufgabe.
keypointsKeypoints, optionalEin Keypoints-Objekt mit den erkannten Schlüsselpunkten jedes Objekts.
obbOBB, optionalEin OBB-Objekt mit orientierten Begrenzungsrahmen.
semantic_maskSemanticMask, optionalEin SemanticMask-Objekt mit einer dichten Klassenkarte für jedes Pixel.
depthDepthMap, optionalEin DepthMap-Objekt mit einer dichten Tiefenkarte für jedes Pixel.
speeddictEin Wörterbuch mit den Geschwindigkeiten für Vorverarbeitung, Inferenz und Nachverarbeitung in Millisekunden pro Bild.
namesdictEin Wörterbuch, das Klassenindizes den Klassennamen zuordnet.
pathstrDer Pfad zur Bilddatei.
save_dirstr, optionalVerzeichnis zum Speichern der Ergebnisse.

Ergebnisse nach Aufgabe#

Welche der folgenden Felder gefüllt werden, hängt von der Aufgabe deines Modells ab – vergleiche Objekterkennung, Segmentierung, semantische Segmentierung, Tiefenschätzung, Klassifizierung, Posenschätzung und OBB, falls du dich noch nicht entschieden hast. Jede Vorhersage gibt ein Results-Objekt pro Bild oder Frame zurück. Die oben aufgeführten allgemeinen Felder sind immer verfügbar, während die aufgabenspezifischen Vorhersagedaten in den folgenden Feldern gespeichert werden. YOLO-Koordinaten- und Konfidenztensoren sind torch.float32; Wahrscheinlichkeitstensoren sind torch.float32, sofern das Modell nicht mit FP16 ausgeführt wird (quantize=16 mit einem PyTorch- oder TorchScript-Modell außerhalb der CPU oder mit einem ONNX-Modell mit FP16-Eingaben); in diesem Fall sind sie torch.float16. Nach result.numpy() werden Tensoren zu NumPy-Arrays mit den entsprechenden NumPy-Datentypen. Instanzmasken sind binäre Tensoren vom Typ torch.uint8, während semantische Masken den kleinsten praktikablen ganzzahligen Datentyp für Klassen-IDs verwenden: torch.uint8, torch.int16 oder torch.int32, abhängig von der Anzahl der Klassen.

AttributTypFormBeschreibung
result.boxesBoxes(N)Erkennungsrahmen.
result.boxes.datatorch.float32(N,6/7)Rohe [x1,y1,x2,y2,conf,cls] sowie optionale Tracking-ID.
result.boxes.xyxytorch.float32(N,4)Pixelrahmen xyxy.
result.boxes.conftorch.float32(N,)Konfidenzwerte.
result.boxes.clstorch.float32(N,)Klassen-IDs; wandle sie für die Namen in int um.

Objekte vom Typ Results verfügen über folgende Methoden:

MethodeRückgabetypBeschreibung
update()NoneAktualisiert das Results-Objekt mit neuen Daten wie Boxen, Masken, Wahrscheinlichkeiten, OBB, Schlüsselpunkten, semantischen Masken oder Tiefeninformationen.
cpu()ResultsGibt eine Kopie des Results-Objekts zurück, bei der sich alle Tensoren im CPU-Speicher befinden.
numpy()ResultsGibt eine Kopie des Results-Objekts zurück, bei der alle Tensoren in NumPy-Arrays umgewandelt wurden.
cuda()ResultsGibt eine Kopie des Results-Objekts zurück, bei der sich alle Tensoren im GPU-Speicher befinden.
to()ResultsGibt eine Kopie des Results-Objekts zurück, bei der die Tensoren auf das angegebene Gerät verschoben und in den angegebenen Datentyp umgewandelt wurden.
new()ResultsErstellt ein neues Results-Objekt mit denselben Attributen für Bild, Pfad, Namen und Geschwindigkeit.
plot()np.ndarrayZeichnet Erkennungsergebnisse auf ein BGR-Eingabebild und gibt das annotierte Bild zurück.
show()NoneZeigt das Bild mit annotierten Inferenz-Ergebnissen an.
save()strSpeichert ein Bild mit annotierten Inferenz-Ergebnissen in einer Datei und gibt den Dateinamen zurück.
verbose()strGibt für jede Aufgabe eine Protokollzeichenfolge mit Einzelheiten zu den Erkennungs- und Klassifikationsergebnissen zurück.
save_txt()strSpeichert Erkennungsergebnisse in einer Textdatei und gibt den Pfad zur gespeicherten Datei zurück.
save_crop()NoneSpeichert zugeschnittene Erkennungsbilder im angegebenen Verzeichnis.
summary()List[Dict[str, Any]]Wandelt Inferenz-Ergebnisse mit optionaler Normalisierung in ein zusammengefasstes Wörterbuch um.
to_df()DataFrameWandelt Erkennungsergebnisse in einen Polars DataFrame um.
to_csv()strWandelt Erkennungsergebnisse in das CSV-Format um.
to_json()strWandelt Erkennungsergebnisse in das JSON-Format um.

Weitere Informationen findest du in der Dokumentation zur Klasse Results.

Boxen#

Das Objekt Boxes kann verwendet werden, um Begrenzungsboxen zu indizieren, zu bearbeiten und in verschiedene Formate umzuwandeln.

Boxen
from ultralytics import YOLO

# Ein vortrainiertes YOLO26n-Modell laden
model = YOLO("yolo26n.pt")

# Eine Inferenz auf einem Bild ausführen
results = model("https://ultralytics.com/images/bus.jpg")  # Ergebnisliste

# Ergebnisse anzeigen
for r in results:
    print(r.boxes)  # Gib das Boxes-Objekt mit den erkannten Begrenzungsboxen aus

Hier findest du eine Tabelle mit den Methoden und Eigenschaften der Klasse Boxes, einschließlich Name, Typ und Beschreibung:

NameTypBeschreibung
cpu()MethodeVerschiebt das Objekt in den CPU-Speicher.
numpy()MethodeWandelt das Objekt in ein NumPy-Array um.
cuda()MethodeVerschiebt das Objekt in den CUDA-Speicher.
to()MethodeVerschiebt das Objekt auf das angegebene Gerät.
xyxyEigenschaft (torch.Tensor)Gibt die Boxen im xyxy-Format zurück.
confEigenschaft (torch.Tensor)Gibt die Konfidenzwerte der Boxen zurück.
clsEigenschaft (torch.Tensor)Gibt die Klassenwerte der Boxen zurück.
idEigenschaft (torch.Tensor)Gibt die Track-IDs der Boxen zurück (falls verfügbar).
xywhEigenschaft (torch.Tensor)Gibt die Boxen im xywh-Format zurück.
xyxynEigenschaft (torch.Tensor)Gibt die Boxen im xyxy-Format zurück, normalisiert anhand der Originalbildgröße.
xywhnEigenschaft (torch.Tensor)Gibt die Boxen im xywh-Format zurück, normalisiert anhand der Originalbildgröße.

Weitere Informationen findest du in der Dokumentation zur Klasse Boxes.

Masken#

Das Objekt Masks kann verwendet werden, um Masken zu indizieren, zu bearbeiten und in Segmente umzuwandeln.

Masken
from ultralytics import YOLO

# Lade ein vortrainiertes YOLO26n-seg-Segmentierungsmodell
model = YOLO("yolo26n-seg.pt")

# Eine Inferenz auf einem Bild ausführen
results = model("https://ultralytics.com/images/bus.jpg")  # Ergebnisliste

# Ergebnisse anzeigen
for r in results:
    print(r.masks)  # Gib das Masks-Objekt mit den erkannten Instanzmasken aus

Hier findest du eine Tabelle mit den Methoden und Eigenschaften der Klasse Masks, einschließlich Name, Typ und Beschreibung:

NameTypBeschreibung
dataEigenschaft (torch.Tensor)Binärer Maskentensor torch.uint8 mit der Form (N,H,W) und den Werten 0 oder 1.
cpu()MethodeGibt den Maskentensor im CPU-Speicher zurück.
numpy()MethodeGibt den Maskentensor als NumPy-Array zurück.
cuda()MethodeGibt den Maskentensor im GPU-Speicher zurück.
to()MethodeGibt den Maskentensor mit dem angegebenen Gerät und Datentyp zurück.
xynEigenschaft (list[np.ndarray])Eine Liste normalisierter Maskenpolygone.
xyEigenschaft (list[np.ndarray])Eine Liste von Maskenpolygonen in Pixelkoordinaten.

Weitere Informationen findest du in der Dokumentation zur Klasse Masks.

SemanticMask#

SemanticMask speichert eine dichte Klassenkarte für die Ergebnisse der semantischen Segmentierung. Anders als Masks enthält es keine binäre Maske pro Objekt und bietet keine Hilfsfunktionen für Polygone.

SemanticMask
from ultralytics import YOLO

# Lade ein vortrainiertes YOLO26n-sem-Semantikmodell
model = YOLO("yolo26n-sem.pt")

# Eine Inferenz auf einem Bild ausführen
results = model("https://ultralytics.com/images/bus.jpg")  # Ergebnisliste

# Ergebnisse anzeigen
for r in results:
    print(r.semantic_mask.data)  # Gib die Klassen-ID-Karte mit den Dimensionen H × W aus
NameTypBeschreibung
dataEigenschaft (torch.Tensor)Klassen-ID-Karte mit der Form (H,W). Der Datentyp ist torch.uint8, torch.int16 oder torch.int32, abhängig von der Anzahl der Klassen.
shapeEigenschaft (tuple)Form der Klassenkarte, die normalerweise result.orig_shape entspricht.
cpu()MethodeGibt den Tensor der semantischen Maske im CPU-Speicher zurück.
numpy()MethodeGibt den Tensor der semantischen Maske als NumPy-Array zurück.
cuda()MethodeGibt den Tensor der semantischen Maske im GPU-Speicher zurück.
to()MethodeGibt den Tensor der semantischen Maske mit dem angegebenen Gerät und Datentyp zurück.

Schlüsselpunkte#

Das Objekt Keypoints kann verwendet werden, um Koordinaten zu indizieren, zu bearbeiten und zu normalisieren.

Schlüsselpunkte
from ultralytics import YOLO

# Lade ein vortrainiertes YOLO26n-pose-Posemodell
model = YOLO("yolo26n-pose.pt")

# Eine Inferenz auf einem Bild ausführen
results = model("https://ultralytics.com/images/bus.jpg")  # Ergebnisliste

# Ergebnisse anzeigen
for r in results:
    print(r.keypoints)  # Gib das Keypoints-Objekt mit den erkannten Schlüsselpunkten aus

Hier findest du eine Tabelle mit den Methoden und Eigenschaften der Klasse Keypoints, einschließlich Name, Typ und Beschreibung:

NameTypBeschreibung
cpu()MethodeGibt den Schlüsselpunkttensor im CPU-Speicher zurück.
numpy()MethodeGibt den Schlüsselpunkttensor als NumPy-Array zurück.
cuda()MethodeGibt den Schlüsselpunkttensor im GPU-Speicher zurück.
to()MethodeGibt den Schlüsselpunkttensor mit dem angegebenen Gerät und Datentyp zurück.
xynEigenschaft (torch.Tensor)Normalisierte Koordinaten der Schlüsselpunkte mit der Form (N,K,2).
xyEigenschaft (torch.Tensor)Koordinaten der Schlüsselpunkte in Pixeln mit der Form (N,K,2).
confEigenschaft (torch.Tensor)Gibt die Konfidenzwerte der Schlüsselpunkte zurück, falls verfügbar; andernfalls None.

Weitere Informationen findest du in der Dokumentation zur Klasse Keypoints.

Wahrscheinlichkeiten#

Das Objekt Probs kann verwendet werden, um Klassifikationsindizes und -werte top1 und top5 abzurufen.

Wahrscheinlichkeiten
from ultralytics import YOLO

# Lade ein vortrainiertes YOLO26n-cls-Klassifikationsmodell
model = YOLO("yolo26n-cls.pt")

# Eine Inferenz auf einem Bild ausführen
results = model("https://ultralytics.com/images/bus.jpg")  # Ergebnisliste

# Ergebnisse anzeigen
for r in results:
    print(r.probs)  # Gib das Probs-Objekt mit den erkannten Klassenwahrscheinlichkeiten aus

Hier findest du eine Tabelle mit einer Zusammenfassung der Methoden und Eigenschaften der Klasse Probs:

NameTypBeschreibung
cpu()MethodeGibt eine Kopie des probs-Tensors im CPU-Speicher zurück.
numpy()MethodeGibt eine Kopie des probs-Tensors als NumPy-Array zurück.
cuda()MethodeGibt eine Kopie des probs-Tensors im GPU-Speicher zurück.
to()MethodeGibt eine Kopie des probs-Tensors mit dem angegebenen Gerät und Datentyp zurück.
top1Eigenschaft (int)Index der obersten Klasse.
top5Eigenschaft (list[int])Indizes der fünf obersten Klassen.
top1confEigenschaft (torch.Tensor)Konfidenz der obersten Klasse.
top5confEigenschaft (torch.Tensor)Konfidenzen der fünf obersten Klassen.

Weitere Informationen findest du in der Dokumentation zur Klasse Probs.

OBB#

Das Objekt OBB kann verwendet werden, um orientierte Begrenzungsrahmen zu indizieren, zu bearbeiten und in verschiedene Formate umzuwandeln.

OBB
from ultralytics import YOLO

# Ein vortrainiertes YOLO26n-Modell laden
model = YOLO("yolo26n-obb.pt")

# Eine Inferenz auf einem Bild ausführen
results = model("https://ultralytics.com/images/boats.jpg")  # Ergebnisliste

# Ergebnisse anzeigen
for r in results:
    print(r.obb)  # Gibt das OBB-Objekt mit den orientierten Erkennungsbegrenzungsrahmen aus

Hier findest du eine Tabelle mit den Methoden und Eigenschaften der Klasse OBB, einschließlich Name, Typ und Beschreibung:

NameTypBeschreibung
cpu()MethodeVerschiebt das Objekt in den CPU-Speicher.
numpy()MethodeWandelt das Objekt in ein NumPy-Array um.
cuda()MethodeVerschiebt das Objekt in den CUDA-Speicher.
to()MethodeVerschiebt das Objekt auf das angegebene Gerät.
confEigenschaft (torch.Tensor)Gibt die Konfidenzwerte der Boxen zurück.
clsEigenschaft (torch.Tensor)Gibt die Klassenwerte der Boxen zurück.
idEigenschaft (torch.Tensor)Gibt die Track-IDs der Boxen zurück (falls verfügbar).
xyxyEigenschaft (torch.Tensor)Gibt die horizontalen Begrenzungsrahmen im xyxy-Format zurück.
xywhrEigenschaft (torch.Tensor)Gibt die gedrehten Begrenzungsrahmen im xywhr-Format zurück.
xyxyxyxyEigenschaft (torch.Tensor)Gibt die gedrehten Begrenzungsrahmen im xyxyxyxy-Format zurück.
xyxyxyxynEigenschaft (torch.Tensor)Gibt die gedrehten Begrenzungsrahmen im xyxyxyxy-Format zurück, normalisiert anhand der Bildgröße.

Weitere Informationen findest du in der Dokumentation zur Klasse OBB.

Ergebnisse visualisieren#

Die Methode plot() in Objekten vom Typ Results erleichtert die Visualisierung von Vorhersagen, indem erkannte Objekte (z. B. Begrenzungsrahmen, Masken, Schlüsselpunkte und Wahrscheinlichkeiten) über das Originalbild gelegt werden. Diese Methode gibt das annotierte Bild als NumPy-Array zurück, das sich einfach anzeigen oder speichern lässt.

Visualisierung
from PIL import Image

from ultralytics import YOLO

# Load a pretrained YOLO26n model
model = YOLO("yolo26n.pt")

# Run inference on 'bus.jpg'
results = model(["https://ultralytics.com/images/bus.jpg", "https://ultralytics.com/images/zidane.jpg"])  # results list

# Visualize the results
for i, r in enumerate(results):
    # Plot results image
    im_bgr = r.plot()  # BGR-order numpy array
    im_rgb = Image.fromarray(im_bgr[..., ::-1])  # RGB-order PIL image

    # Show results to screen (in supported environments)
    r.show()

    # Save results to disk
    r.save(filename=f"results{i}.jpg")

Parameter der Methode plot()#

Die Methode plot() unterstützt verschiedene Argumente, mit denen du die Ausgabe anpassen kannst:

ArgumentTypBeschreibungStandard
confboolErkennungs-Konfidenzwerte einblenden.True
line_widthfloatLinienbreite der Begrenzungsrahmen. Wird an die Bildgröße angepasst, wenn None.None
font_sizefloatSchriftgröße des Texts. Wird an die Bildgröße angepasst, wenn None.None
fontstrSchriftart für Textannotationen.'Arial.ttf'
pilboolBild als PIL-Image-Objekt zurückgeben.False
imgnp.ndarray | torch.TensorAlternatives Bild. Tensoren müssen zusammenhängend und im HWC-BGR-uint8-Format vorliegen.None
kpt_radiusintRadius der eingezeichneten Schlüsselpunkte.5
kpt_lineboolSchlüsselpunkte mit Linien verbinden.True
labelsboolKlassenbezeichnungen in den Annotationen einblenden.True
boxesboolBegrenzungsrahmen über das Bild legen.True
masksboolMasken über das Bild legen.True
probsboolKlassifizierungswahrscheinlichkeiten einblenden.True
showboolDas annotierte Bild direkt mit dem standardmäßigen Bildbetrachter anzeigen.False
saveboolDas annotierte Bild in der durch filename angegebenen Datei speichern.False
filenamestrPfad und Name der Datei, in der das annotierte Bild gespeichert wird, wenn save den Wert True hat.None
color_modestrFarbmodus angeben, z. B. „instance“ oder „class“.'class'
txt_colortuple[int, int, int]BGR-Textfarbe für Klassifizierungsbezeichnungen.(255, 255, 255)

Threadsichere Inferenz#

Thread-Sicherheit während der Inferenz ist entscheidend, wenn du mehrere YOLO-Modelle parallel in verschiedenen Threads ausführst. Thread-sichere Inferenz stellt sicher, dass die Vorhersagen jedes Threads voneinander getrennt sind und sich nicht gegenseitig beeinflussen. So werden Wettlaufsituationen vermieden und konsistente, zuverlässige Ausgaben gewährleistet.

Wenn du YOLO-Modelle in einer Multithread-Anwendung verwendest, solltest du für jeden Thread ein eigenes Modellobjekt instanziieren oder threadlokalen Speicher nutzen, um Konflikte zu vermeiden:

Threadsichere Inferenz

Instanziiere für threadsichere Inferenz ein einzelnes Modell in jedem Thread:

from threading import Thread

from ultralytics import YOLO

def thread_safe_predict(model, image_path):
    """Performs thread-safe prediction on an image using a locally instantiated YOLO model."""
    model = YOLO(model)
    results = model.predict(image_path)
    # Ergebnisse verarbeiten

# Threads starten, die jeweils eine eigene Modellinstanz haben
Thread(target=thread_safe_predict, args=("yolo26n.pt", "image1.jpg")).start()
Thread(target=thread_safe_predict, args=("yolo26n.pt", "image2.jpg")).start()

Streaming-for-Schleife#

Hier findest du ein Python-Skript, das OpenCV (cv2) und YOLO verwendet, um Videobildern Inferenz auszuführen. Das Skript setzt voraus, dass du die erforderlichen Pakete (opencv-python und ultralytics) bereits installiert hast.

Streaming-for-Schleife
import cv2

from ultralytics import YOLO

# Das YOLO-Modell laden
model = YOLO("yolo26n.pt")

# Videodatei öffnen
video_path = "path/to/your/video/file.mp4"
cap = cv2.VideoCapture(video_path)

# Videobilder durchlaufen
while cap.isOpened():
    # Ein Videobild einlesen
    success, frame = cap.read()

    if success:
        # YOLO-Inferenz auf dem Bild ausführen
        results = model(frame)

        # Ergebnisse auf dem Bild visualisieren
        annotated_frame = results[0].plot()

        # Annotiertes Bild anzeigen
        cv2.imshow("YOLO Inference", annotated_frame)

        # Schleife beenden, wenn „q“ gedrückt wird
        if cv2.waitKey(1) & 0xFF == ord("q"):
            break
    else:
        # Schleife beenden, wenn das Video zu Ende ist
        break

# Videoaufnahmeobjekt freigeben und Anzeigefenster schließen
cap.release()
cv2.destroyAllWindows()

Dieses Skript führt für jedes Videobild Vorhersagen aus, visualisiert die Ergebnisse und zeigt sie in einem Fenster an. Durch Drücken von „q“ kannst du die Schleife beenden.

Wie geht es weiter?#

Möchtest du über ein vortrainiertes Modell hinausgehen? Prüfe, ob deine Aufgabe zu deinem Problem passt, formatiere deine Daten mithilfe des Leitfadens zu Datensätzen und trainiere anschließend damit.

Häufig gestellte Fragen#

  • Ultralytics YOLO ist eine Familie hochmoderner Modelle für Objekterkennung in Echtzeit, Instanzsegmentierung, semantische Segmentierung, Tiefenschätzung, Klassifizierung, Posenschätzung und die Erkennung orientierter Begrenzungsrahmen (OBB). Der Vorhersagemodus führt Inferenz mit hoher Geschwindigkeit auf Datenquellen wie Bildern, Videos und Live-Streams aus und unterstützt Stapelverarbeitung und Streaming.

  • Ultralytics YOLO kann eine Vielzahl von Datenquellen verarbeiten, darunter einzelne Bilder, Videos, Verzeichnisse, URLs und Streams. Du kannst die Datenquelle im Aufruf model.predict() angeben. Verwende zum Beispiel 'image.jpg' für ein lokales Bild oder 'https://ultralytics.com/images/bus.jpg' für eine URL. Ausführliche Beispiele für verschiedene Inferenzquellen findest du in der Dokumentation.

  • Um die Inferenzgeschwindigkeit zu optimieren und den Speicher effizient zu verwalten, kannst du den Streaming-Modus verwenden, indem du stream=True in der Aufrufmethode des Prädiktors setzt. Im Streaming-Modus wird ein speichereffizienter Generator von Results-Objekten erstellt, anstatt alle Bilder in den Arbeitsspeicher zu laden. Der Streaming-Modus eignet sich besonders für die Verarbeitung langer Videos oder großer Datensätze. Erfahre mehr über den Streaming-Modus.

  • Die Methode model.predict() in YOLO unterstützt verschiedene Argumente wie conf, iou, imgsz, device und weitere. Mit diesen Argumenten kannst du den Inferenzprozess anpassen und Parameter wie Konfidenzschwellenwerte, Bildgröße und das für die Berechnung verwendete Gerät festlegen. Ausführliche Beschreibungen dieser Argumente findest du im Abschnitt Inferenzargumente.

  • Verwende model.embed(source), um Merkmalseinbettungen aus der vorletzten Schicht zu extrahieren, oder übergib embed=[layer_index] an model.predict(), um bestimmte Schichten auszuwählen.

    from ultralytics import YOLO
    
    model = YOLO("yolo26n.pt")
    source = "https://ultralytics.com/images/bus.jpg"
    
    results = model.predict(source)  # Ergebnisobjekte
    embeddings = model.embed(source)  # Liste von torch.Tensor-Einbettungen
  • Nach der Inferenz mit YOLO enthalten die Results-Objekte Methoden zum Anzeigen und Speichern annotierter Bilder. Mit Methoden wie result.show() und result.save(filename="result.jpg") kannst du die Ergebnisse visualisieren und speichern. Fehlende übergeordnete Verzeichnisse im Dateipfad werden automatisch erstellt (z. B. result.save("path/to/result.jpg")). Eine vollständige Liste dieser Methoden findest du im Abschnitt Arbeiten mit Ergebnissen.

Kommentare629

Stell eine Frage, teile deine Ergebnisse oder hilf jemand anderem.

  1. TigoresGitHub

    你好,我想问一下为什么我在推理相同的图像时,设置不同的imgsz参数,会有不同的结果。在一张图像上,有大船、小船、人。imgsz设置的值有640(默认)、1280、1980。640只能检测到大船;1280会检测到大船和小船,并且大船的置信度更高;1980还能检测到人。我很疑惑,模型的输入尺寸不是在训练的时候就已经固定了吗,这是否意味着推理的图像预处理阶段,不管我如何调整imgsz参数,模型都会将输入图像采样到640。但是现在出现的不同的结果,是为什么呢?下面是我的代码: from ultralytics import YOLO model = YOLO("/data/dxh/ultralytics/weight/yolov8s.pt")
    results = model("/data/dxh/ultralytics/datasets/test/invade_ship_cls/invade_result", imgsz=1280, save=True)

    1
    1. Glenn JocherUltralytics

      @Tigores 您好!YOLO模型在推理时会自动将输入图像缩放到您指定的imgsz参数值(而非固定为训练尺寸),更大的分辨率能保留更多细节从而提升小目标检测能力。具体原理可参考Predict模式文档中的图像尺寸与精度关系说明,这是预期行为而非异常现象。

  2. LwpZoeGitHub

    Hello, I would like to ask, my task is instance segmentation. At present, I get the predicted result is the original image superimposed label image, but the result I want is just the RGB label image, no need to superimpose the original image. Where do I need to make changes to make the result a segmented label image?

    1
    1. Glenn JocherUltralytics(bearbeitet)

      @LwpZoe to obtain only the RGB label image without the original image overlay, you can disable the overlay during visualization. Use the plot() method with boxes=False and masks=True to only display the segmentation masks. Alternatively, you can directly access result.masks.data for raw mask data and process it as needed. Refer to the Results section for more details.

    2. LwpZoeGitHub

      Found plot () in yolo-segment-main/ultralytics/engine/results.py, modified content: Def plot ( Self, Conf = True, line_width = None, font_size = None, Font = "Arial.ttf", Pil = False, Img = None, im_gpu = None, kpt_radius = 5, kpt_line = False, Labels = False, Boxes = False, Masks = True, Probs = True, Show = True, Save = True, Filename = 'result', color_mode = "class", ): Make predictions using the command line: Yolo segment predict model = runs/segment/train/weights/best.pt source=yolo-seg-main/datasets/test The result is still the original image overlay mask and box, why? Does changing plot () require retraining to get best.pt in order to predict?

    3. Glenn JocherUltralytics

      To display only the segmentation mask without overlays, modify the plot() function parameters by setting boxes=False, labels=False, and ensuring masks=True. You don't need retraining to adjust visualization settings, as the weights remain unaffected. For further details, refer to the Results.plot() documentation.

  3. User

    Hello, when I run the predict script, I predict a large amount of image data (about more than 20,000 test images). At this time, the model's predict will get stuck, and I don't generate the image of the prediction box. How can I solve this bug?

    1
    1. Paula DerrengerUltralytics

      @Stephen-Hao it sounds like you might be running into memory issues when processing a large number of images. To handle large datasets more efficiently, consider using the stream=True argument in your model.predict() call. This will create a memory-efficient generator of results, reducing the likelihood of your system getting stuck. Additionally, ensure you are using the latest version of the Ultralytics package to benefit from any recent optimizations and bug fixes. If the issue persists, please provide more details about your environment and any error messages you encounter.

    2. Paula DerrengerUltralytics

      @Stephen-Hao you're welcome! If you're experiencing issues with the model getting stuck while predicting a large number of images, try using the stream=True argument in your model.predict() call. This will help manage memory more efficiently by processing images one at a time instead of loading all at once. Also, ensure you're using the latest version of the Ultralytics package. If the problem persists, please provide more details about your setup and any error messages you encounter.

  4. Johanna-JonesGitHub

    Hey, Is there a way to get the MAP precision, IOU and other metrics for the test images you might give the model?

    I have images and the ground truth for the test images but not sure how to get the same metrics for the PREDICT mode

    Thank you!

    1
    1. Johanna-JonesGitHub

      For clarification my pipeline is currently train> valid with val parameter set to false. I then pass one image at a time to the Yolov8 model in the PREDICT mode

    2. Paula DerrengerUltralytics

      Hey there!

      For evaluating your model with metrics like mAP, precision, and IOU on your test images, you should use the Val mode rather than the Predict mode. The Val mode allows you to validate your model on a dataset and provides comprehensive metrics, including the ones you're interested in. Here's an example on how to do it:

      from ultralytics import YOLO
      
      # Assuming 'coco128.yaml' is your dataset configuration file that includes your test data path
      # and that 'your_model.pt' is the trained model you want to evaluate
      model = YOLO('path/to/your_model.pt')
      
      # Validate the model, this will automatically calculate mAP, IOU, and other metrics
      results = model.val(data='path/to/your_dataset_config.yaml')

      Remember to adjust 'path/to/your_model.pt' and 'path/to/your_dataset_config.yaml' to the actual paths of your model and dataset configuration file.

      In your YAML dataset configuration file, make sure to correctly specify the path to your test images and annotations. This way, YOLOv8 will know how to find your test data and corresponding ground truth for evaluation.

      If you have any more questions, feel free to ask. Good luck with your model evaluation! 🚀

  5. GUPABE10GitHub

    how to ignore printing results after inference: 0: 384x640 10 persons, 1 sports ball, 4080.4ms Speed: 12.3ms preprocess, 4080.4ms inference, 1.7ms postprocess per image at shape (1, 3, 384, 640)

    1
    1. Glenn JocherUltralytics

      To disable printing inference results after running predictions, you can use the verbose=False argument in your predict() function. This will prevent the printout of inference times and detected objects. Here's a quick example on how to do it:

      from ultralytics import YOLO
      
      # Load your YOLOv8 model
      model = YOLO('yolov8n.pt')  
      
      # Run inference with verbose=False
      results = model.predict('path/to/your/image.jpg', verbose=False)

      This should keep your console output clean while still performing inference. 😊

    2. GUPABE10GitHub

      Is it the same if I use:

      results = model('path/to/your/image.jpg')

      just as mentioned in the example in this tutorial.

    3. Glenn JocherUltralytics

      @GUPABE10 hi there!

      Yes, using results = model('path/to/your/image.jpg') is perfectly fine and aligns with the examples provided in the tutorial. This command will run inference on the specified image and return the results as a list of Results objects.

      If you want to avoid printing the detailed inference results (like the number of detected objects and processing times), you can use the verbose=False argument:

      from ultralytics import YOLO
      
      # Load a pretrained YOLOv8n model
      model = YOLO("yolov8n.pt")
      
      # Run inference on an image without printing detailed results
      results = model.predict('path/to/your/image.jpg', verbose=False)

      This will keep your console output clean while still performing the inference. If you have any more questions or need further assistance, feel free to ask! 😊

    4. Glenn JocherUltralytics

      Hi there!

      Great question! The difference between model.predict() and model() lies in their usage and flexibility:

      1. model.predict():

        • This method is explicitly designed for running predictions and allows you to pass various arguments to customize the inference process.
        • You can specify parameters like save, imgsz, conf, device, and more to control the behavior of the prediction.
        • Example:
          from ultralytics import YOLO
          
          # Load a pretrained YOLOv8n model
          model = YOLO("yolov8n.pt")
          
          # Run inference with custom arguments
          results = model.predict("path/to/image.jpg", save=True, imgsz=320, conf=0.5)
      2. model():

        • This is a shorthand method that calls the predict() function internally with default settings.
        • It is useful for quick predictions without needing to specify additional parameters.
        • Example:
          from ultralytics import YOLO
          
          # Load a pretrained YOLOv8n model
          model = YOLO("yolov8n.pt")
          
          # Run inference with default settings
          results = model("path/to/image.jpg")

      Both methods will return a list of Results objects, which you can then process as needed. If you need more control over the prediction process, model.predict() is the way to go. For quick and straightforward predictions, model() is convenient.

      Feel free to check out the Ultralytics documentation on prediction for more details and examples.

      Happy coding! 😊

    1. Glenn JocherUltralytics

      Yes—vid_stride (frame skipping) and imgsz (inference resize) are independent, so you can use them together on video sources; imgsz will be applied to the frames that are actually processed (see the Predict mode inference arguments).

      yolo predict model=yolo26n.pt source=video.mp4 vid_stride=2 imgsz=640
      from ultralytics import YOLO
      
      model = YOLO("yolo26n.pt")
      for r in model.predict("video.mp4", vid_stride=2, imgsz=640, stream=True):
          pass
      1
    2. amani784GitHub

      Thank you for your help. I have another question: if I don’t define imgsz in predict, will it resize the image to 640 by default? I have multiple inputs with different resolutions, so I can’t specify a single value for imgsz in .predict or even during ONNX export, because sometimes the input resolution is larger than imgsz.

    3. Glenn JocherUltralytics

      Yes—if you don’t pass imgsz to predict(), it uses the default imgsz=640 and will letterbox/resize each frame/image to that inference size (so larger inputs are downscaled, smaller are upscaled); for mixed-resolution sources you can either leave the default or set a larger imgsz for more detail (GPU memory permitting) as described in the predict settings defaults.

      If you need an ONNX that can accept varying input shapes at runtime, export with dynamic shapes enabled (then your runtime can feed different H×W sizes):

      yolo export model=yolo26n.pt format=onnx dynamic=True
      from ultralytics import YOLO
      
      model = YOLO("yolo26n.pt")
      model.export(format="onnx", dynamic=True)

      Feel free to drop the exact input resolutions (and whether this is video-only) here in the discussion and we can suggest a good imgsz strategy for your case.

      1
    4. amani784GitHub

      Thank you so much ,but for tensorRT export , the model can't accept varying input shapes and i was obliged to put imgsz or my videos have different resolutions and i can't put one imgsz value that can fit all the resolutions. Is there any other solution?

    5. Glenn JocherUltralytics

      Yes—TensorRT doesn’t have to be fixed-shape: export your .engine with dynamic=True so the runtime can accept varying input shapes (you can then choose imgsz per run/video), see the Export mode docs and the TensorRT integration guide.

      yolo export model=yolo26n.pt format=engine dynamic=True

      If you need peak throughput and your resolutions vary a lot, the usual workaround is exporting 2–3 fixed engines at common imgsz values and selecting the closest one at runtime.

      1
  6. Asshok1GitHub

    Hey @glenn-jocher, I’m trying to integrate a TensorRT-optimized YOLO model (.engine) with SAHI (Slicing Aided Hyper Inference) for efficient large-image inference, but I’m facing difficulties making them work together correctly as .engine is not accepted in sahi, can you help in providing the complete code for integrating tensorRT with sahi.

    1. Glenn JocherUltralytics

      SAHI’s built-in Ultralytics integration (model_type="ultralytics") currently expects PyTorch weights like *.pt, so a TensorRT *.engine file won’t load through SAHI as-is; the supported path is to use SAHI with *.pt per the SAHI tiled inference guide, or run the TensorRT engine directly with Ultralytics per the TensorRT export/inference guide. If you specifically need SAHI slicing + a *.engine, you’ll need a custom SAHI DetectionModel adapter around Ultralytics’ TensorRT predictor (best tracked upstream in the SAHI repository); please paste your Ultralytics/SAHI versions and a minimal repro here in the discussion so we can advise on the cleanest adapter approach.

      # SAHI (supported): Ultralytics *.pt + slicing
      from sahi import AutoDetectionModel
      from sahi.predict import get_sliced_prediction
      
      detection_model = AutoDetectionModel.from_pretrained(
          model_type="ultralytics",
          model_path="best.pt",
          confidence_threshold=0.25,
          device="cuda:0",
      )
      
      result = get_sliced_prediction(
          "large.jpg",
          detection_model,
          slice_height=640,
          slice_width=640,
          overlap_height_ratio=0.2,
          overlap_width_ratio=0.2,
      )
      # TensorRT (supported): Ultralytics *.engine inference (no SAHI wrapper)
      from ultralytics import YOLO
      
      model = YOLO("best.engine")
      results = model.predict("large.jpg", device=0, imgsz=640)
  7. hanchaoyuanGitHub

    hello! I used the YOLO11-pose model to estimate the key points of people in the automotive production workshop. However, the model often identified vehicles, hoists and other equipment as humans and calculated the key points, resulting in a relatively high false alarm rate. My question is: How can we prevent the model from identifying other objects and reduce the false alarm rate?

    1. Glenn JocherUltralytics

      For workshop false positives with pose models, the quickest lever is raising the prediction threshold (and optionally increasing imgsz for better person discrimination), but the most reliable fix is fine-tuning on your own workshop data with “hard negative” images (frames with vehicles/hoists but no people) so the model learns your background; see the inference args in the predict mode docs.

      yolo pose predict model=yolo11n-pose.pt source=path/to/video.mp4 conf=0.6 imgsz=960

      If you paste your exact command, plus a couple representative frames (people + false positives) here in the discussion, we can suggest tighter settings or a training setup (and for new work, try a YOLO26 pose checkpoint as it’s generally stronger out of the box).

  8. d5423197GitHub

    Hi there,

    If no boxes/masks detected by the model, what will be the output of model inference. (results = model(["image1.jpg", "image2.jpg"]) #)

    I want to deal with the edge case.