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

Link to this sectionInício#

Apresentamos o Ultralytics YOLO26, a versão mais recente do aclamado modelo de detecção de objetos e segmentação de imagens em tempo real. O YOLO26 foi desenvolvido com base em avanços de deep learning e computer vision, apresentando inferência end-to-end sem NMS e implementação otimizada para edge. Seu design otimizado torna-o adequado para várias aplicações e facilmente adaptável a diferentes plataformas de hardware, desde dispositivos de edge até APIs em nuvem. Para cargas de trabalho de produção estáveis, recomendamos tanto o YOLO26 quanto o YOLO11.

Explore a documentação do Ultralytics, um recurso abrangente projetado para te ajudar a entender e utilizar seus recursos e capacidades. Seja você um profissional experiente em machine learning ou alguém novo na área, este hub visa maximizar o potencial do YOLO em seus projetos.

Solicite uma Licença Enterprise para uso comercial em Ultralytics Licensing.

Link to this sectionPor onde começar#

Link to this sectionYOLO: Uma breve história#

O YOLO (You Only Look Once), um popular modelo de object detection e image segmentation, foi desenvolvido por Joseph Redmon e Ali Farhadi na Universidade de Washington. Lançado em 2015, o YOLO ganhou popularidade por sua alta velocidade e precisão.

• O YOLOv2, lançado em 2016, aprimorou o modelo original ao incorporar batch normalization, anchor boxes e clusters de dimensão.
• O YOLOv3, lançado em 2018, aumentou ainda mais o desempenho do modelo usando uma rede backbone mais eficiente, múltiplas âncoras e spatial pyramid pooling.
• O YOLOv4 foi lançado em 2020, introduzindo inovações como Mosaic data augmentation, um novo detection head sem âncoras e uma nova loss function.
• O YOLOv5 melhorou ainda mais o desempenho do modelo e adicionou novos recursos, como otimização de hiperparâmetros, rastreamento de experimentos integrado e exportação automática para formatos populares.
• O YOLOv6 foi disponibilizado em código aberto pela Meituan em 2022 e é usado em muitos dos robôs de entrega autônomos da empresa.
• O YOLOv7 adicionou tarefas adicionais, como pose estimation no conjunto de dados de keypoints COCO.
• O YOLOv8, lançado em 2023 pelo Ultralytics, introduziu novos recursos e melhorias para maior desempenho, flexibilidade e eficiência, oferecendo suporte a uma gama completa de tarefas de visão AI.
• O YOLOv9 introduz métodos inovadores como Programmable Gradient Information (PGI) e a Generalized Efficient Layer Aggregation Network (GELAN).
• YOLOv10 created by researchers from Tsinghua University using the Ultralytics Python package, provides real-time object detection advancements by introducing an End-to-End head that eliminates Non-Maximum Suppression (NMS) requirements.
• YOLO11: Lançado em setembro de 2024, o YOLO11 oferece excelente desempenho em várias tarefas, incluindo object detection, segmentation, pose estimation, tracking e classification, permitindo a implementação em diversas aplicações e domínios de IA.
• YOLO26 🚀: O modelo YOLO de próxima geração do Ultralytics, otimizado para implementação em edge com inferência end-to-end sem NMS.

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 sectionA evolução do object detection#

O object detection evoluiu significativamente ao longo dos anos, desde técnicas tradicionais de computer vision até modelos avançados de deep learning. A família de modelos YOLO tem estado na vanguarda dessa evolução, ultrapassando consistentemente os limites do que é possível em detecção de objetos em tempo real.

A abordagem exclusiva do YOLO trata o object detection como um problema de regressão único, prevendo bounding boxes e probabilidades de classe diretamente de imagens completas em uma única avaliação. Esse método revolucionário tornou os modelos YOLO significativamente mais rápidos do que os detectores de dois estágios anteriores, mantendo uma alta precisão.

Com cada nova versão, o YOLO introduziu melhorias arquitetônicas e técnicas inovadoras que aumentaram o desempenho em várias métricas. O YOLO26 continua essa tradição ao incorporar os últimos avanços na pesquisa de computer vision, apresentando inferência end-to-end sem NMS e implementação otimizada para edge para aplicações no mundo real.

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. Você pode instalar o pacote Ultralytics usando pip e começar a operar em minutos. Aqui está um comando de instalação básico:

pip install -U ultralytics

Para um guia passo a passo abrangente, visite nossa página de Quickstart. Este recurso te ajudará com instruções de instalação, configuração inicial e a execução do seu primeiro modelo.

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:

1. Prepare seu conjunto de dados anotado.
2. Configure os parâmetros de treinamento em um arquivo YAML.
3. Use o comando yolo TASK train para iniciar o treinamento. (Cada TASK tem seu próprio argumento)

Aqui está um exemplo de código para a tarefa de Object Detection:

from ultralytics import YOLO

# Load a pretrained YOLO model (you can choose n, s, m, l, or x versions)
model = YOLO("yolo26n.pt")

# Start training on your custom dataset
model.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 de forma eficiente e personalizável. Para utilizar as capacidades de rastreamento, você pode usar o comando yolo track, como mostrado abaixo:

from ultralytics import YOLO

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

# Start tracking objects in a video
# You can also use live video streams or webcam input
model.track(source="path/to/video.mp4")

Para um guia detalhado sobre como configurar e executar o rastreamento de objetos, confira nossa documentação de Track Mode, que explica a configuração e as aplicações práticas em cenários de tempo real.