中文 · 한국어 · 日本語 · Русский · Deutsch · Français · Español · Português · Türkçe · Tiếng Việt · العربية
Documentação 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, estimativa de profundidade, classificação, estimativa de pose, caixas delimitadoras orientadas e rastreamento, disponível em um único pacote Python e CLI. O YOLO26 se baseia nos avanços em aprendizado profundo e visão computacional, com inferência ponta a ponta opcional sem NMS e implantação otimizada em dispositivos de borda. Seu design simplificado o torna adequado para diversas aplicações e facilmente adaptável a diferentes plataformas de hardware, de dispositivos de borda a APIs na nuvem. Para cargas de trabalho de produção estáveis, recomendamos tanto o YOLO26 quanto o YOLO11.
Explore a documentação do Ultralytics, um recurso abrangente sobre o pacote YOLO e a CLI, além da Ultralytics Platform, que acrescenta anotação de dados, treinamento na nuvem e implantação aos mesmos modelos. Seja você um profissional experiente de aprendizado de máquina ou alguém que está começando na área, estes recursos ajudam você a aproveitar ao máximo o YOLO nos seus projetos.
Solicite uma licença Enterprise para uso comercial em Licenciamento do Ultralytics.
Explore a prévia do YOLO27, incluindo detalhes da arquitetura, benchmarks preliminares e exemplos de uso após o lançamento. Os modelos estão passando pela etapa final de P&D, com lançamento previsto para o fim deste ano; ainda não estão disponíveis e não há uma data de lançamento definida.
Transforme uma única foto em um mapa de profundidade, com uma distância em metros para cada pixel.
Comece 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 no diretório indicado pelo comando, runs/detect/predict na primeira execução.
Consulte o guia Início rápido para conhecer todos os métodos de instalação e fazer sua primeira predição.
O que você quer fazer?#
Ajuste fino de um modelo YOLO26 pré-treinado com seu próprio conjunto de dados, ajustando o aumento de dados e os hiperparâmetros para o treinamento com várias GPUs
Carregue um modelo pré-treinado e obtenha caixas delimitadoras, máscaras ou pontos-chave com algumas linhas de Python ou um único comando CLI
Rastreie objetos com IDs persistentes usando TrackTrack (padrão), BoT-SORT, ByteTrack, OC-SORT, Deep OC-SORT ou FastTracker
Aplicativos de visão computacional prontos para uso para contagem de objetos, mapas de calor, gerenciamento de filas, alarmes de segurança e exercícios físicos, sem necessidade de treinamento
Exporte modelos treinados para ONNX, TensorRT ou OpenVINO para inferência rápida em dispositivos de borda, hardware móvel e servidores na nuvem
Compare YOLO26, YOLO11, SAM 3, RT-DETR e todas as outras arquiteturas compatíveis quanto à velocidade, precisão e caso de uso
Consulte classes, funções e assinaturas de métodos da API do Python, geradas automaticamente a partir do código-fonte a cada novo lançamento
A família de modelos mais recente lançada pela Ultralytics oferece inferência ponta a ponta opcional sem NMS e um equilíbrio entre precisão e latência melhor que o do YOLO11
Como esta documentação está organizada#
A maioria dos comandos yolo do fluxo de trabalho dos modelos segue uma única sintaxe, yolo [TASK] MODE ARGS, em que Task é opcional. Esta documentação se organiza em torno das mesmas três partes, além de um atalho:
- Tarefa responde o que você quer obter de uma imagem: detecção, segmentação de instâncias, segmentação semântica, estimativa de profundidade, classificação, estimativa de pose ou caixas orientadas.
- Modo responde como você usa um modelo: treinar, validar, prever, exportar, rastrear ou fazer benchmark.
- Argumentos configura o comando, desde qual modelo executar com
model=até hiperparâmetros comoepochseimgsz. - Soluções é o atalho: um aplicativo completo, como um sistema de contagem de objetos ou um alarme de segurança, que dispensa totalmente Task e Mode.
Todo o restante dá suporte a essa sintaxe: Modelos lista todas as arquiteturas que você pode passar para model= — YOLO26, YOLO11, SAM 3, RT-DETR e outras —, Conjuntos de dados fornece os dados usados no treinamento de cada Tarefa, Guias reúne tutoriais detalhados sobre implantação em hardware, ajuste de hiperparâmetros, conversão de conjuntos de dados e passo a passo de projetos completos, Integrações conecta o fluxo de trabalho às ferramentas de treinamento e implantação que você já usa, e a seção de Referência documenta todas as classes e funções da API do Python.
Além do pacote Python, há outras duas opções que usam os mesmos modelos: a Ultralytics Platform, para anotação, treinamento e implantação na nuvem, e o Ultralytics Inference, uma biblioteca independente em Rust e uma CLI para executar modelos exportados sem um ambiente de execução do Python.
Licenças do YOLO: como o Ultralytics YOLO é licenciado?#
A Ultralytics oferece duas opções de licença para atender a diferentes casos de uso:
- Licença AGPL-3.0: esta licença de código aberto aprovada pela OSI é ideal para estudantes e entusiastas, promovendo a colaboração aberta e o compartilhamento de conhecimento. Consulte o arquivo LICENSE para saber mais.
- Licença Enterprise: para desenvolvimento e uso em produção, esta licença permite integrar facilmente o software e os modelos de IA da Ultralytics a produtos e serviços empresariais, incluindo ferramentas internas, fluxos de trabalho automatizados e implantações em produção, sem as exigências de código aberto da AGPL-3.0. Para começar, entre em contato conosco por meio do Licenciamento do Ultralytics.
Nossa estratégia de licenciamento foi elaborada para garantir que quaisquer melhorias nos nossos projetos de código aberto sejam compartilhadas com a comunidade. Acreditamos no código aberto, e nossa missão é garantir que nossas contribuições possam ser usadas e ampliadas de maneiras que beneficiem a todos.
Perguntas frequentes#
Ultralytics YOLO é a aclamada série YOLO (Você só olha uma vez), para detecção de objetos e segmentação de imagens em tempo real. O modelo mais recente, YOLO26, dá continuidade às versões anteriores com a introdução de inferência ponta a ponta opcional sem NMS e implantação otimizada em dispositivos de borda. O YOLO é compatível com várias tarefas de IA de visão, como detecção, segmentação de instâncias, segmentação semântica, estimativa de profundidade, classificação, estimativa de pose e caixas delimitadoras orientadas, além de poder rastrear objetos detectados entre quadros de vídeo. Sua arquitetura eficiente garante excelente velocidade e precisão, tornando-o adequado para diversas aplicações, incluindo dispositivos de borda e APIs na nuvem.
Começar a usar o YOLO é rápido e simples. Instale o pacote Ultralytics pelo pip com
pip install ultralyticse faça sua primeira predição comyolo predict model=yolo26n.pt— os pesos do modelo são baixados automaticamente. Para instruções completas sobre conda, Docker e instalação a partir do código-fonte, acesse a página Início rápido.O treinamento de um modelo YOLO personalizado com seu conjunto de dados envolve algumas etapas detalhadas:
- Prepare seu conjunto de dados anotado e descreva-o em um arquivo YAML do conjunto de dados.
- Carregue um modelo pré-treinado, por exemplo,
YOLO("yolo26n.pt")em Python. - Comece o treinamento com
model.train(data="path/to/dataset.yaml", epochs=100, imgsz=640)ou pela linha de comando comyolo detect train data=path/to/dataset.yaml epochs=100 imgsz=640.
Para ver um passo a passo detalhado, consulte nosso guia Treinar um modelo, que inclui exemplos e dicas para otimizar seu processo de treinamento.
A Ultralytics oferece duas opções de licença para o YOLO:
- Licença AGPL-3.0: esta licença de código aberto é ideal para uso educacional e não comercial, promovendo a colaboração aberta.
- Licença Enterprise: para desenvolvimento e uso em produção, incluindo ferramentas internas, fluxos de trabalho automatizados e implantações em produção, sem as exigências de código aberto da AGPL-3.0.
Para saber mais, visite nossa página de Licenciamento.
O Ultralytics YOLO é compatível com o rastreamento eficiente e personalizável de múltiplos objetos. Chame
YOLO("yolo26n.pt").track(source="path/to/video.mp4")em Python ou executeyolo track source=path/to/video.mp4pela linha de comando — ambos funcionam com arquivos de vídeo, transmissões ao vivo e imagens de webcam. Para um guia detalhado sobre como configurar e executar o rastreamento de objetos, consulte nossa documentação do Modo de rastreamento, que explica a configuração e as aplicações práticas em cenários de tempo real.
