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

Link to this sectionDocumentação do Ultralytics YOLO#

Ultralytics YOLO é uma família de modelos de visão computacional em tempo real para detecção de objetos, segmentação de instâncias, segmentação semântica, classificação, estimativa de pose, caixas delimitadoras orientadas e rastreamento, disponível através de um pacote Python e CLI. O YOLO26 é construído com base em avanços em deep learning e visão computacional, apresentando inferência end-to-end sem NMS e implementação otimizada na borda (edge). Seu design simplificado o torna adequado para diversas aplicações e facilmente adaptável a diferentes plataformas de hardware, desde dispositivos de borda até APIs em nuvem. Para cargas de trabalho de produção estáveis, tanto YOLO26 quanto YOLO11 são recomendados.

Explore a documentação do Ultralytics, um recurso abrangente que cobre o pacote YOLO e a CLI, bem como a Plataforma Ultralytics, que adiciona anotação de dados, treinamento em nuvem e implantação sobre os mesmos modelos. Seja você um profissional experiente em machine learning ou um iniciante na área, este hub visa ajudar você a aproveitar ao máximo o YOLO em seus projetos.

Solicite uma Licença Enterprise para uso comercial em Ultralytics Licensing.

🚀 Novo: Destilação de Conhecimento

Treina modelos YOLO menores com a orientação de um modelo professor maior — sem custo extra de inferência, apenas melhor precisão.

Saiba mais

Link to this sectionComece com dois comandos#

# 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'

Os pesos do modelo e a imagem de exemplo são baixados automaticamente, e o resultado anotado é salvo em runs/detect/predict.

Veja o guia de Quickstart para a referência completa de instalação e uso.

Link to this sectionO que você quer fazer?#

Treinar um modelo em seu próprio conjunto de dados

Faça o fine-tuning de um modelo YOLO26 pré-treinado em seu próprio conjunto de dados, ajustando aumentação e hiperparâmetros para treinamento multi-GPU

Treinar um modelo personalizado

Executar um modelo em suas imagens ou vídeo

Carregue um modelo pré-treinado e obtenha caixas delimitadoras, máscaras ou pontos-chave em poucas linhas de Python ou um único comando CLI

Prever em novos dados

Rastrear objetos em quadros de vídeo

Rastreie objetos em quadros de vídeo com um ID persistente usando BoT-SORT ou ByteTrack, integrados ao pipeline de predict do YOLO26

Rastreamento de múltiplos objetos

Executar uma aplicação de visão pronta para uso

Aplicativos de visão prontos para contagem de objetos, mapas de calor, gerenciamento de filas, alarmes de segurança e treinos, sem necessidade de treinamento

Explorar Soluções

Implantar seu modelo

Exporte modelos treinados para ONNX, TensorRT ou OpenVINO para inferência rápida em dispositivos de borda, hardware móvel e servidores em nuvem

Exportar e implantar

Escolher o modelo certo

Compare YOLO26, YOLO11, SAM 3, RT-DETR e qualquer outra arquitetura suportada por velocidade, precisão e caso de uso

Navegar por todos os modelos

Consultar a API Python

Consulte classes, funções e assinaturas de métodos para a API Python, geradas automaticamente a partir do código-fonte a cada novo lançamento

Referência da API

O que há de novo: YOLO26

A mais nova família de modelos da Ultralytics oferece inferência end-to-end sem NMS com um melhor compromisso entre precisão e latência em comparação ao YOLO11

Conheça o YOLO26

Link to this sectionComo esta documentação está organizada#

A maioria dos comandos yolo de fluxo de trabalho de modelo segue uma gramática, yolo [TASK] MODE ARGS, onde Task é opcional, e esta documentação está organizada em torno das mesmas três partes, mais um atalho:

Tarefa responde o que tu queres de uma imagem: detecção, segmentação de instâncias, segmentação semântica, classificação, estimativa de pose ou caixas orientadas.
Modo responde como tu usas um modelo: treinar, validar, prever, exportar, rastrear ou benchmarking.
Args configura o comando, desde qual modelo executar com model= até hiperparâmetros como epochs e imgsz.
Solutions é o atalho: uma aplicação pronta, como contagem de objetos ou um alarme de segurança, que ignora Task e Mode totalmente.

Todo o restante suporta essa gramática: Modelos lista cada arquitetura que você pode passar para model= — YOLO26, YOLO11, SAM 3, RT-DETR e mais —, Datasets fornece o que cada Task treina, Guias é uma ampla coleção de instruções detalhadas abrangendo implementação de hardware, ajuste de hiperparâmetros, conversão de conjuntos de dados e passo a passo completo de projetos, Integrações conecta o pipeline às ferramentas de treinamento e implantação que você já usa, e a seção de Referência documenta cada classe e função na API Python.

Além do pacote Python, mais duas superfícies operam nos mesmos modelos: a Plataforma Ultralytics para anotação em nuvem, treinamento e implantação, e Ultralytics Inference, uma biblioteca Rust independente e CLI para executar modelos exportados sem um runtime Python.

Link to this sectionLicenças YOLO: Como o Ultralytics YOLO é licenciado?#

O Ultralytics oferece duas opções de licenciamento para acomodar diversos casos de uso:

Licença AGPL-3.0: Esta licença open-source OSI-approved é ideal para estudantes e entusiastas, promovendo a colaboração aberta e o compartilhamento de conhecimento. Consulte o arquivo LICENSE para mais detalhes.
Licença Enterprise: Para uso em desenvolvimento e produção, esta licença permite a integração perfeita de software e modelos de IA da Ultralytics em produtos e serviços empresariais, incluindo ferramentas internas, fluxos de trabalho automatizados e implantações de produção, contornando os requisitos de código aberto da AGPL-3.0. Para começar, entre em contato conosco via Licenciamento Ultralytics.

Nossa estratégia de licenciamento foi projetada para garantir que quaisquer melhorias em nossos projetos de código aberto sejam retornadas à comunidade. Acreditamos no open source, e nossa missão é garantir que nossas contribuições possam ser usadas e expandidas de maneiras que beneficiem a todos.

Link to this sectionFAQ#

Link to this sectionO que é o Ultralytics YOLO e como ele melhora o object detection?#

O Ultralytics YOLO é a aclamada série YOLO (You Only Look Once) para detecção de objetos e segmentação de imagens em tempo real. O modelo mais recente, YOLO26, baseia-se em versões anteriores, introduzindo inferência end-to-end sem NMS e implementação otimizada para edge. O YOLO suporta várias vision AI tasks como detection, instance segmentation, semantic segmentation, pose estimation, tracking e classification. Sua arquitetura eficiente garante excelente velocidade e precisão, tornando-o adequado para diversas aplicações, incluindo dispositivos de edge e APIs em nuvem.

Link to this sectionComo posso começar com a instalação e configuração do YOLO?#

Começar com o YOLO é rápido e simples. Instale o pacote Ultralytics via pip com pip install ultralytics, depois execute sua primeira predição com yolo predict model=yolo26n.pt — os pesos do modelo são baixados automaticamente. Para instruções abrangentes cobrindo conda, Docker e instalação a partir do código-fonte, visite a página de Quickstart.

Link to this sectionComo posso treinar um modelo YOLO personalizado no meu conjunto de dados?#

Treinar um modelo YOLO personalizado no seu conjunto de dados envolve algumas etapas detalhadas:

Prepare seu conjunto de dados anotado e descreva-o em um arquivo YAML de dataset.
Carregue um modelo pré-treinado, por exemplo YOLO("yolo26n.pt") em Python.
Inicie o treinamento com model.train(data="path/to/dataset.yaml", epochs=100, imgsz=640), ou pela linha de comando com yolo detect train data=path/to/dataset.yaml epochs=100 imgsz=640.

Para um passo a passo detalhado, confira nosso guia Train a Model, que inclui exemplos e dicas para otimizar seu processo de treinamento.

Link to this sectionQuais são as opções de licenciamento disponíveis para o Ultralytics YOLO?#

O Ultralytics oferece duas opções de licenciamento para o YOLO:

Licença AGPL-3.0: Esta licença open-source é ideal para uso educacional e não comercial, promovendo a colaboração aberta.
Licença Enterprise: Para uso em desenvolvimento e produção, incluindo ferramentas internas, fluxos de trabalho automatizados e implantações em produção, contornando os requisitos de código aberto da AGPL-3.0.

Para mais detalhes, visite nossa página de Licensing.

Link to this sectionComo o Ultralytics YOLO pode ser usado para rastreamento de objetos em tempo real?#

O Ultralytics YOLO suporta rastreamento de múltiplos objetos eficiente e personalizável. Chame YOLO("yolo26n.pt").track(source="path/to/video.mp4") em Python, ou execute yolo track source=path/to/video.mp4 pela linha de comando — ambos funcionam com arquivos de vídeo, transmissões ao vivo e entrada de webcam. Para um guia detalhado sobre como configurar e executar o rastreamento de objetos, confira nossa documentação de Track Mode, que explica a configuração e aplicações práticas em cenários de tempo real.