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. YOLO26 se baseia em pesquisas recentes de aprendizado profundo, com inferência ponta a ponta opcional sem NMS e implantação otimizada na borda. Seu design simplificado se adapta a uma ampla variedade de aplicações e hardware, de dispositivos de borda a APIs na nuvem. Para cargas de trabalho estáveis em produção, recomendamos tanto YOLO26 quanto YOLO11.
Explore a documentação da Ultralytics, um recurso abrangente sobre o pacote e a CLI YOLO, bem como a Ultralytics Platform, que acrescenta anotação de dados, treinamento na nuvem e implantação aos mesmos modelos. Se você já tem experiência em aprendizado de máquina ou é novato na área, esses recursos ajudam você a aproveitar ao máximo o YOLO nos seus projetos.
Solicita uma licença Enterprise para uso comercial em Licenciamento do Ultralytics.
Explora a pré-visualização do YOLO27, incluindo detalhes da arquitetura, benchmarks preliminares e exemplos de utilização após o lançamento. Os modelos estão na fase final de I&D, com lançamento previsto para o final deste ano; ainda não estão disponíveis e não há uma data de lançamento definida.
Transforma uma única fotografia num mapa de profundidade, com uma distância em metros para cada píxel.
Começa 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 transferidos automaticamente, e o resultado anotado é guardado no diretório indicado pelo comando, runs/detect/predict na primeira execução.
Consulta o guia de Início rápido para conhecer todos os métodos de instalação e fazer a tua primeira previsão.
O que queres fazer?#
Ajuste um modelo YOLO26 pré-treinado com seu próprio conjunto de dados, ajustando o aumento de dados e os hiperparâmetros para treinamento com várias GPUs
Carrega um modelo pré-treinado e obtém caixas delimitadoras, máscaras ou pontos-chave com algumas linhas de Python ou um único comando CLI
Rastreia objetos com IDs persistentes usando TrackTrack (predefinição), BoT-SORT, ByteTrack, OC-SORT, Deep OC-SORT ou FastTracker
Aplicações de visão prontas a usar para contagem de objetos, mapas de calor, gestão de filas, alarmes de segurança e treinos, sem necessidade de treino
Exporta modelos treinados para ONNX, TensorRT ou OpenVINO para uma inferência rápida em dispositivos de periferia, hardware móvel e servidores na nuvem
Compara YOLO26, YOLO11, SAM 3, RT-DETR e todas as outras arquiteturas suportadas por velocidade, precisão e caso de uso
Consulta classes, funções e assinaturas de métodos da API Python, geradas automaticamente a partir do código-fonte em cada nova versão
A mais recente família de modelos lançada pelo Ultralytics oferece inferência opcional de ponta a ponta sem NMS e uma relação entre precisão e latência melhorada em comparação com o YOLO11
Como esta documentação está organizada#
A maioria dos comandos de fluxo de trabalho dos modelos yolo segue uma única sintaxe, yolo [TASK] MODE ARGS, em que Task é opcional. Esta documentação está organizada em torno das mesmas três partes, mais um atalho:
- Tarefa responde a o que pretendes obter de uma imagem: deteção, segmentação de instâncias, segmentação semântica, estimativa de profundidade, classificação, estimativa de pose ou caixas orientadas.
- Modo responde a como usas um modelo: treinar, validar, prever, exportar, rastrear ou avaliar desempenho.
- Argumentos configura o comando, desde o modelo a executar com
model=até aos hiperparâmetros, comoepochseimgsz. - Soluções é o atalho: uma aplicação pronta, como a contagem de objetos ou um alarme de segurança, que ignora completamente Task e Mode.
Tudo o resto dá suporte a essa sintaxe: Modelos apresenta todas as arquiteturas que podes passar a model= — YOLO26, YOLO11, SAM 3, RT-DETR e outras — Conjuntos de dados fornece os dados usados no treino de cada Task, Guias é uma coleção abrangente de tutoriais detalhados sobre implementação em hardware, ajuste de hiperparâmetros, conversão de conjuntos de dados e guias completos de projetos, Integrações liga o fluxo de trabalho às ferramentas de treino e implementação que já utilizas, e a secção de Referência documenta todas as classes e funções da API Python.
Além do pacote Python, há mais duas opções que usam os mesmos modelos: a Ultralytics Platform para anotação, treino e implementação na nuvem, e o Ultralytics Inference, uma biblioteca Rust autónoma e uma CLI para executar modelos exportados sem um ambiente de execução Python.
Licenças do YOLO: que licença se aplica ao Ultralytics YOLO?#
O Ultralytics oferece duas opções de licenciamento para responder 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 a partilha de conhecimento. Consulta o ficheiro LICENSE para mais detalhes.
- Licença empresarial: Para uso em desenvolvimento e produção, esta licença permite integrar 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 da Ultralytics.
A nossa estratégia de licenciamento foi concebida para garantir que todas as melhorias aos nossos projetos de código aberto são partilhadas com a comunidade. Acreditamos no código aberto, e a nossa missão é garantir que as nossas contribuições possam ser utilizadas e ampliadas de formas que beneficiem todos.
Perguntas frequentes#
Ultralytics YOLO é uma família de modelos Você Só Precisa Olhar Uma Vez (YOLO) em tempo real para detecção de objetos e segmentação de imagens. O modelo mais recente lançado, YOLO26, se baseia nas versões anteriores ao introduzir inferência ponta a ponta opcional sem NMS e implantação otimizada na borda. YOLO oferece suporte a várias tarefas de IA para 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 equilibra velocidade e precisão, tornando-a adequada para aplicações que vão de dispositivos de borda a APIs na nuvem.
Começar a usar o YOLO é rápido e simples. Instala o pacote Ultralytics a partir do pip com
pip install ultralyticse, em seguida, faz a tua primeira previsão comyolo predict model=yolo26n.pt— os pesos do modelo são transferidos automaticamente. Para obter instruções completas sobre conda, Docker e instalação a partir do código-fonte, visita a página de Início rápido.O treinamento de um modelo YOLO personalizado com seu conjunto de dados envolve três etapas:
- Prepara o teu conjunto de dados anotado e descreve-o num ficheiro YAML de conjunto de dados.
- Carrega um modelo pré-treinado, por exemplo,
YOLO("yolo26n.pt")em Python. - Inicia o treino com
model.train(data="path/to/dataset.yaml", epochs=100, imgsz=640)ou a partir da linha de comandos comyolo detect train data=path/to/dataset.yaml epochs=100 imgsz=640.
Para veres um guia detalhado, consulta o nosso guia Treinar um modelo, que inclui exemplos e sugestões para otimizar o teu processo de treino.
O Ultralytics oferece duas opções de licenciamento para o YOLO:
- Licença AGPL-3.0: esta licença de código aberto é ideal para uso educativo e não comercial, promovendo a colaboração aberta.
- Licença Enterprise: destinada ao desenvolvimento e à utilização em produção, incluindo ferramentas internas, fluxos de trabalho automatizados e implementações em produção, sem as obrigações de código aberto da AGPL-3.0.
Para mais detalhes, visita a nossa página de Licenciamento.
O Ultralytics YOLO suporta o rastreamento eficiente e personalizável de vários objetos. Chama
YOLO("yolo26n.pt").track(source="path/to/video.mp4")em Python ou executayolo track source=path/to/video.mp4a partir da linha de comandos — ambos funcionam com ficheiros de vídeo, transmissões em direto e imagens de webcam. Para um guia detalhado sobre como configurar e executar o rastreamento de objetos, consulta a documentação do Modo de rastreamento, que explica a configuração e as aplicações práticas em cenários de tempo real.
