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

Documentazione Ultralytics YOLO#

Ultralytics YOLO è una famiglia di modelli di computer vision in tempo reale per il rilevamento di oggetti, la segmentazione di istanze, la segmentazione semantica, la stima della profondità, la classificazione, la stima della posa, i bounding box orientati e il tracciamento, disponibili tramite un singolo pacchetto Python e CLI. YOLO26 è basato sui progressi del deep learning e della computer vision, con inferenza end-to-end senza NMS e distribuzione ottimizzata per l'edge. Il suo design snello lo rende adatto a varie applicazioni e facilmente adattabile a diverse piattaforme hardware, dai dispositivi edge alle API cloud. Per carichi di lavoro di produzione stabili, sono consigliati sia YOLO26 che YOLO11.

Esplora la documentazione di Ultralytics, una risorsa completa che copre il pacchetto YOLO e la CLI, nonché la Ultralytics Platform, che aggiunge annotazione dei dati, addestramento nel cloud e distribuzione sui medesimi modelli. Che tu sia un esperto di machine learning o un neofita del settore, queste risorse ti aiutano a sfruttare al massimo YOLO nei tuoi progetti.

Richiedi una licenza Enterprise per uso commerciale su Ultralytics Licensing.

Inizia con due comandi#

# Install the ultralytics package from PyPI
pip install ultralytics

# Detect objects in an image with a pretrained YOLO26 model
yolo predict model=yolo26n.pt source='https://github.com/ultralytics/assets/releases/download/v0.0.0/bus.jpg'

I pesi del modello e l'immagine di esempio vengono scaricati automaticamente e il risultato annotato viene salvato in runs/detect/predict.

Consulta la guida Quickstart per il riferimento completo su installazione e utilizzo.

Cosa vuoi fare?#

Come è organizzata questa documentazione#

La maggior parte dei comandi del flusso di lavoro del modello yolo segue una grammatica, yolo [TASK] MODE ARGS, in cui Task è facoltativo, e questa documentazione è organizzata attorno alle stesse tre parti, più una scorciatoia:

• Task risponde a cosa desideri da un'immagine: detection, instance segmentation, semantic segmentation, depth estimation, classification, pose estimation o oriented boxes.
• Mode risponde a come usi un modello: train, validate, predict, export, track o benchmark.
• Args configura il comando, da quale model eseguire con model= agli iperparametri come epochs e imgsz.
• Solutions è la scorciatoia: un'applicazione finita, come il conteggio di oggetti o un allarme di sicurezza, che salta completamente Task e Mode.

Tutto il resto supporta questa grammatica: Models elenca ogni architettura che puoi passare a model= — YOLO26, YOLO11, SAM 3, RT-DETR e altro — Datasets fornisce ciò su cui ogni Task si addestra, Guides è un'ampia raccolta di guide approfondite che spaziano dalla distribuzione hardware, alla regolazione degli iperparametri, alla conversione dei dataset e a procedure dettagliate complete per i progetti, Integrations collega la pipeline agli strumenti di addestramento e distribuzione che già usi, e la sezione Reference documenta ogni classe e funzione nell'API Python.

Oltre al pacchetto Python, altre due interfacce funzionano sugli stessi modelli: la Ultralytics Platform per annotazione, addestramento e distribuzione nel cloud, e Ultralytics Inference, una libreria Rust standalone e CLI per eseguire modelli esportati senza un runtime Python.

Licenze YOLO: Come è concesso in licenza Ultralytics YOLO?#

Ultralytics offre due opzioni di licenza per soddisfare diversi casi d'uso:

• Licenza AGPL-3.0: Questa licenza open-source approvata dall'OSI è ideale per studenti ed entusiasti, poiché promuove la collaborazione aperta e la condivisione delle conoscenze. Vedi il file LICENSE per maggiori dettagli.
• Licenza Enterprise: Per uso di sviluppo e produzione, questa licenza consente l'integrazione trasparente del software Ultralytics e dei modelli di IA in prodotti e servizi aziendali, inclusi strumenti interni, flussi di lavoro automatizzati e distribuzioni di produzione, aggirando i requisiti open-source di AGPL-3.0. Per iniziare, contattaci tramite Licenze Ultralytics.

La nostra strategia di licenza è progettata per garantire che qualsiasi miglioramento ai nostri progetti open-source venga restituito alla comunità. Crediamo nell'open source e la nostra missione è garantire che i nostri contributi possano essere utilizzati ed espansi in modi che portino beneficio a tutti.

FAQ#

Cos'è Ultralytics YOLO e come migliora l'object detection?#

Ultralytics YOLO è la celebre serie YOLO (You Only Look Once) per il rilevamento di oggetti in tempo reale e la segmentazione di immagini. L'ultimo modello, YOLO26, si basa sulle versioni precedenti introducendo un'inferenza end-to-end senza NMS e una distribuzione ottimizzata per l'edge. YOLO supporta varie attività di computer vision come detection, instance segmentation, semantic segmentation, depth estimation, classification, pose estimation e tracking. La sua architettura efficiente garantisce velocità e precisione eccellenti, rendendola adatta a diverse applicazioni, inclusi dispositivi edge e API cloud.

Come posso iniziare con l'installazione e la configurazione di YOLO?#

Iniziare con YOLO è rapido e semplice. Installa il pacchetto Ultralytics da pip con pip install ultralytics, quindi esegui la tua prima previsione con yolo predict model=yolo26n.pt — i pesi del modello vengono scaricati automaticamente. Per istruzioni complete che coprono conda, Docker e l'installazione da codice sorgente, visita la pagina Quickstart.

Come posso addestrare un modello YOLO personalizzato sul mio dataset?#

L'addestramento di un modello YOLO personalizzato sul tuo dataset prevede alcuni passaggi dettagliati:

1. Prepara il tuo dataset annotato e descrivilo in un file YAML del dataset.
2. Carica un modello pre-addestrato, ad esempio YOLO("yolo26n.pt") in Python.
3. Avvia l'addestramento con model.train(data="path/to/dataset.yaml", epochs=100, imgsz=640), o dalla riga di comando con yolo detect train data=path/to/dataset.yaml epochs=100 imgsz=640.

Per una procedura dettagliata, dai un'occhiata alla nostra guida Train a Model, che include esempi e suggerimenti per ottimizzare il processo di addestramento.

Quali sono le opzioni di licenza disponibili per Ultralytics YOLO?#

Ultralytics offre due opzioni di licenza per YOLO:

• Licenza AGPL-3.0: Questa licenza open-source è ideale per l'uso educativo e non commerciale, promuovendo la collaborazione aperta.
• Licenza Enterprise: Per uso di sviluppo e produzione, inclusi strumenti interni, flussi di lavoro automatizzati e deployment in produzione, bypassando i requisiti open-source della licenza AGPL-3.0.

Per maggiori dettagli, visita la nostra pagina Licensing.

Come può essere utilizzato Ultralytics YOLO per il tracciamento di oggetti in tempo reale?#

Ultralytics YOLO supporta il tracciamento multi-oggetto efficiente e personalizzabile. Chiama YOLO("yolo26n.pt").track(source="path/to/video.mp4") in Python o esegui yolo track source=path/to/video.mp4 dalla riga di comando — entrambi funzionano con file video, streaming live e input da webcam. Per una guida dettagliata sulla configurazione e sull'esecuzione del tracciamento degli oggetti, consulta la nostra documentazione Track Mode, che spiega la configurazione e le applicazioni pratiche in scenari in tempo reale.