YOLO Vision 2026:

Ultralytics Platform#

Ultralytics Platform é uma plataforma de visão computacional de ponta a ponta abrangente que otimiza todo o fluxo de trabalho de ML, desde a preparação de dados até a implantação de modelos. Criada para equipes e indivíduos que precisam de soluções de computer vision prontas para produção, sem a complexidade de infraestrutura.

Ultralytics Platform Dataset Screenshot

O que é a Ultralytics Platform?#

O Ultralytics Platform reúne gerenciamento e anotação de datasets, rastreamento de experimentos, treinamento em nuvem e remoto, exportação de modelos, endpoints de inferência dedicados e monitoramento de implantação em um único espaço de trabalho. Possui suporte nativo para os modelos YOLO26, YOLO11, YOLOv8 e YOLOv5.

Fluxo de trabalho: Enviar → Anotar → Treinar → Exportar → Implantar#

A plataforma oferece um fluxo de trabalho de ponta a ponta:

graph LR
    subgraph Data["📁 Data"]
        A[Upload]:::start --> B[Annotate]:::proc
        B --> C[Analyze]:::proc
    end
    subgraph Train["🚀 Train"]
        D[Configure]:::proc --> E[Train on GPU]:::proc
        E --> F[View Metrics]:::out
    end
    subgraph Deploy["🌐 Deploy"]
        G[Export]:::proc --> H[Deploy Endpoint]:::proc
        H --> I[Monitor]:::out
    end
    Data --> Train --> Deploy

    classDef start fill:#4CAF50,color:#fff
    classDef proc fill:#2196F3,color:#fff
    classDef out fill:#9C27B0,color:#fff
EtapaRecursos
UploadImagens (50MB), vídeos (1GB) e arquivos de dataset (ZIP, TAR incluindo .tar.gz/.tgz, NDJSON) com processamento automático
AnotarFerramentas manuais para todos os 6 tipos de tarefas, além de Smart Annotation com modelos SAM e YOLO para detect, segment, semantic e OBB (consulte as supported tasks)
TreinarGPUs na nuvem (24 em todos os planos + 2 exclusivos para Pro/Enterprise: B200, B300), métricas em tempo real, organização de projetos
Exportar20 deployment formats (ONNX, TensorRT, CoreML, LiteRT, Hailo, Ascend, etc.; consulte os supported formats)
Deploy42 regiões globais com endpoints dedicados, dimensionamento automático para zero por padrão (instância ativa única) e monitoramento

O que você pode fazer:

  • Enviar imagens, vídeos e arquivos de conjunto de dados para criar conjuntos de dados de treinamento
  • Visualize anotações com sobreposições interativas para todos os 6 tipos de tarefas YOLO (consulte as supported tasks)
  • Treina modelos em GPUs na nuvem (24 em todos os planos, 26 com Pro ou Enterprise para B200 e B300) com métricas em tempo real
  • Export para 20 deployment formats (ONNX, TensorRT, CoreML, LiteRT, Hailo, Ascend, etc.)
  • Implanta em 42 regiões globais com endpoints dedicados de um clique
  • Monitorar o progresso do treinamento, a saúde da implantação e as métricas de uso
  • Colaborar tornando projetos e conjuntos de dados públicos para a comunidade

Infraestrutura multirregional#

Seus dados permanecem em sua região. A Ultralytics Platform opera infraestrutura em três regiões globais:

RegiãoRótuloLocalizaçãoMelhor para
USAméricasIowa, EUAUsuários das Américas, mais rápido para as Américas
EUEuropa, Oriente Médio e ÁfricaBélgica, EuropaUsuários europeus, conformidade com o GDPR
APÁsia-PacíficoTaiwan, Ásia-PacíficoUsuários da Ásia-Pacífico, menor latência APAC

Selecionas a tua região de dados durante o onboarding. Conjuntos de dados, modelos e dados de treinamento gerenciados permanecem nessa região. Endpoints dedicados são implantados separadamente em uma região que escolhes a partir do mapa global de implantação.

A região é permanente

Você não pode alterar a região dos seus dados por conta própria após a criação da conta. Durante o onboarding, a Platform mede a latência para cada região e recomenda a mais próxima. Entre em contato com o suporte se precisar solicitar uma alteração de região posteriormente. Isso se aplica ao conteúdo de datasets e modelos; dados em nível de conta, como perfil, faturamento e registros de atividade, são processados globalmente, conforme descrito em nossa Privacy Policy e Data Processing Agreement.

Principais recursos#

Preparação de dados#

  • Gerenciamento de conjunto de dados: Envie imagens, vídeos ou arquivos de conjunto de dados com processamento automático
  • Annotation Editor: Anotação manual para todos os 6 tipos de tarefas YOLO (detect, segment, semantic, classify, pose, OBB; consulte as supported tasks)
  • Modelos de esqueleto: Modelos de esqueleto integrados (Pessoa, Mão, Rosto, Cachorro, Caixa) e personalizados para anotação de pose com um clique
  • Smart Annotation: Use SAM 2.1 (Tiny, Small, Base, Large), SAM 3, modelos Ultralytics YOLO pré-treinados ou seus próprios modelos YOLO ajustados (fine-tuned) na barra de ferramentas de anotação para tarefas de detect, segment, semantic e OBB
  • Versão de conjunto de dados: Crie snapshots NDJSON numerados com descrições para treinamento reprodutível
  • Estatísticas: Distribuição de classes, mapas de calor de localização e análise de dimensões
graph LR
    A[Upload Dataset/Images/Video]:::start --> B[Auto-Process]:::proc
    B --> C[Browse & Filter]:::proc
    C --> D{Annotate}:::decide
    D --> E[Manual Tools]:::proc
    D --> F[SAM Smart]:::proc
    D --> G[YOLO Auto-Label]:::proc
    E --> H[Train-Ready Dataset]:::out
    F --> H
    G --> H

    classDef start fill:#4CAF50,color:#fff
    classDef proc fill:#2196F3,color:#fff
    classDef decide fill:#FF9800,color:#fff
    classDef out fill:#9C27B0,color:#fff
Tipos de tarefas suportados

O editor de anotações suporta todos os 6 tipos de tarefas YOLO: detect (caixas delimitadoras), segment (polígonos), semantic (regiões por classe), classify (rótulos em nível de imagem), pose (pontos-chave) e OBB (caixas orientadas). Cada tipo de tarefa possui controles de anotação dedicados e atalhos de teclado.

Treinamento de modelos#

  • Cloud Training: Treine em GPUs na nuvem (24 em todos os planos, 26 com Pro or Enterprise para B200 e B300) com métricas em tempo real
  • Treinamento Remoto: Treina em qualquer lugar e transmite métricas para o Ultralytics Platform
  • Organização de projetos: Agrupe modelos relacionados, compare experimentos, rastreie atividades
  • 20 Export Formats: ONNX, TensorRT, CoreML, LiteRT, Hailo, Ascend e mais (consulte os supported formats)

Ultralytics Platform Project Screenshot Você pode treinar modelos pela interface web (treinamento na nuvem) ou a partir da sua própria máquina (treinamento remoto):

  1. Navega para o teu projeto
  2. Clique em New Model
  3. Selecione o conjunto de dados, modelo, GPU e épocas
  4. Monitore curvas de perda e métricas em tempo real

Implementação#

  • Teste de inferência: Teste modelos diretamente no navegador com imagens personalizadas
  • Endpoints Dedicados: Implanta em 42 regiões globais com dimensionamento automático para zero por padrão (instância ativa única)
  • Monitoramento: Métricas em tempo real, registros de solicitação e painéis de desempenho
graph LR
    A[Trained Model]:::start --> B{Action}:::decide
    B --> C[Browser Predict]:::proc
    B --> D[Export Format]:::proc
    B --> E[Deploy Endpoint]:::proc
    D --> F[ONNX / TensorRT / CoreML / LiteRT / ...]:::out
    E --> G[42 Global Regions]:::proc
    G --> H[API Endpoint URL]:::proc
    H --> I[Monitor & Scale]:::out

    classDef start fill:#4CAF50,color:#fff
    classDef proc fill:#2196F3,color:#fff
    classDef decide fill:#FF9800,color:#fff
    classDef out fill:#9C27B0,color:#fff

Uma vez implantado, chame seu endpoint a partir de qualquer linguagem:

import requests

url = "https://your-endpoint-url/predict"
headers = {"Authorization": "Bearer YOUR_API_KEY"}

with open("image.jpg", "rb") as f:
    response = requests.post(url, headers=headers, files={"file": f})

print(response.json())

Gerenciamento de Conta#

  • Equipes e organizações: Colabore com membros da equipe, gerencie funções e convites
  • Chaves de API: Gerenciamento seguro de chaves para treinamento remoto e acesso à API
  • Créditos e faturamento: Treinamento pré-pago (pay-as-you-go) com preços transparentes
  • Feed de atividades: Rastreie todos os eventos e ações da conta
  • Lixeira e restauração: Exclusão temporária de 30 dias com recuperação de itens
  • Conformidade GDPR: Exportação de dados e exclusão de conta
Níveis de plano

Consulte a comparação canônica Free, Pro, and Enterprise comparison para limites atuais, acesso a GPU, colaboração e licenciamento.

Comece com estes recursos:

  • Quickstart: Crie seu primeiro projeto e treine um modelo em minutos
  • Datasets: Envie e gerencie seus dados de treinamento
  • Annotation: Rotule seus dados com ferramentas manuais e assistidas por IA
  • Projects: Organize seus modelos e experimentos
  • Cloud Training: Treine em GPUs na nuvem
  • Inference: Teste seus modelos
  • Endpoints: Implante modelos em produção
  • Monitoring: Rastreie o desempenho da implantação
  • API Keys: Gerencie o acesso à API
  • Billing: Créditos e pagamentos
  • Activity: Rastreie eventos da conta
  • Trash: Recupere itens excluídos
  • REST API: Referência da API

Solução de Problemas#

Problemas com Datasets#

ProblemaSolução
O dataset não processaVerifique se o formato de arquivo é suportado (JPEG, PNG, WebP, TIFF, HEIC, AVIF, BMP, JP2, DNG, MPO para imagens). Tamanho máximo de arquivo: imagens 50 MB, vídeos 1 GB, arquivos de dataset 10 GB (Gratuito) / 20 GB (Pro) / 50 GB (Enterprise)
Anotações faltandoVerifique se os rótulos estão no YOLO format com arquivos .txt correspondentes aos nomes dos arquivos de imagem, ou envie COCO JSON
"Divisão de treino necessária"Adicione a pasta train/ à estrutura do seu dataset ou redistribua as divisões através da split bar
Nomes de classe indefinidosAdicione um arquivo data.yaml com a lista names: (consulte YOLO format), ou defina classes na Classes tab

Problemas de Treinamento#

ProblemaSolução
O treinamento não iniciaVerifique o saldo de créditos em Configurações > Cobrança. É necessário um saldo positivo
Erro de falta de memória (Out of memory)Reduza o batch size, use um modelo menor (n/s) ou selecione uma GPU com mais VRAM
Métricas ruinsVerifique a qualidade do dataset, aumente as épocas, tente aumento de dados (data augmentation), verifique o equilíbrio das classes
Treinamento lentoSelecione uma GPU mais rápida, reduza o tamanho da imagem, verifique se o dataset não está causando gargalo

Problemas de Implantação#

ProblemaSolução
Endpoint não respondeVerifique o status do endpoint (Pronto vs Parado). A inicialização a frio (cold start) pode levar de 5 a 15 segundos
401 Não AutorizadoVerifica se a chave de API está ativa e foi copiada corretamente
Inferência lentaVerifique o tamanho do modelo, considere a TensorRT export, selecione uma região mais próxima
Falha na exportaçãoAlguns formatos exigem arquiteturas de modelo específicas. Experimente o ONNX para obter a maior compatibilidade

Perguntas Frequentes#

Posso alterar meu nome de usuário após o cadastro?

Não, os nomes de usuário são permanentes e não podem ser alterados. Escolha com cuidado durante o cadastro.

Posso alterar minha região de dados?

A tua região de dados é selecionada durante a integração e não pode ser alterada por ti. Para mudar de região, entra em contato com o suporte para solicitar uma alteração de região.

Como obtenho mais créditos?

Vai para Settings > Billing e clica em Top Up. Compra créditos de $5 a $1.000. Os créditos adquiridos nunca expiram.

O que acontece se o treinamento falhar?

Se o cálculo em nuvem tiver começado, o tempo de GPU decorrido será cobrado. Falhas antes do início de uma GPU não geram cobrança de uso computacional.

Posso baixar o meu modelo treinado?

Sim. Clique no ícone de download em uma página de modelo para obter seus pesos .pt, ou abra a aba Export para formatos exportados concluídos.

Como compartilho meu trabalho publicamente?

Abre o projeto ou conjunto de dados, clica no selo Private na barra de navegação superior e confirma Make Public. O conteúdo público aparece na página Explore.

Quais são os limites de tamanho de arquivo?

Imagens: 50MB, Vídeos: 1GB, datasets: 10GB no plano Gratuito, 20GB no Pro, 50GB no Enterprise. Para arquivos maiores, divida em múltiplos uploads.

Por quanto tempo os itens excluídos ficam na Lixeira?

30 dias. Depois disso, os itens são excluídos permanentemente e não podem ser recuperados.

Posso usar os modelos da Platform comercialmente?

Os planos Free e Pro usam a licença AGPL. Para uso comercial sem os requisitos da AGPL, consulte Ultralytics Licensing.

FAQ#

  • Para começar com o Ultralytics Platform:

    1. Sign Up: Crie uma conta em platform.ultralytics.com
    2. Selecione a região: Escolha sua região de dados (EUA, UE ou AP) durante a integração
    3. Upload Dataset: Abra Annotate na barra lateral e envie seus dados
    4. Treinar modelo: Crie um projeto e comece a treinar em GPUs em nuvem
    5. Implantar: Teste seu modelo e implante em um endpoint dedicado

    Para um guia detalhado, consulte a página Quickstart.

  • O Ultralytics Platform oferece:

    • Fluxo de trabalho unificado: Dados, treinamento e implantação em um só lugar
    • Multirregional: Residência de dados nas regiões EUA, UE ou AP
    • Treinamento sem código: Treine modelos YOLO avançados sem escrever código
    • Métricas em tempo real: Transmita o progresso do treinamento e monitore implantações
    • 42 Regiões de Implantação: Implanta modelos próximos aos teus utilizadores em todo o mundo
    • 7 Task Types: Suporte para detecção, segmentação de instâncias, segmentação semântica, estimativa de profundidade (modelos e predição hoje; datasets de profundidade em breve), classificação, pose e OBB (consulte a task docs)
    • AI-Assisted Annotation: Smart annotation com modelos SAM e YOLO para acelerar a preparação de dados
  • A Ultralytics Platform suporta vários tipos de GPU para treinamento na nuvem:

    GPUGeraçãoVRAMCusto/HoraMelhor para
    RTX 2000 AdaAda16 GB$0.24Datasets pequenos, testes
    RTX A4500Ampere20 GB$0.25Datasets pequenos a médios
    RTX 4000 AdaAda20 GB$0.26Datasets médios
    RTX A5000Ampere24 GB$0.27Datasets médios
    L4Ada24 GB$0.39Otimizada para inferência
    A40Ampere48 GB$0.44Tamanhos de lote maiores
    RTX 3090Ampere24 GB$0.46Treinamento geral
    RTX A6000Ampere48 GB$0.49Modelos grandes
    RTX PRO 4000Blackwell24 GB$0.57Budget Blackwell
    RTX PRO 4500Blackwell32 GB$0.64Ótima relação preço/desempenho
    RTX 4090Ada24 GB$0.69Melhor relação preço/desempenho
    RTX 6000 AdaAda48 GB$0.77Treinamento com lotes grandes
    L40SAda48 GB$0.86Treinamento com lotes grandes
    RTX PRO 5000Blackwell48 GB$0.96Treinamento com lotes grandes
    RTX 5090Blackwell32 GB$0.99Última geração de consumidor
    L40Ada48 GB$0.99Modelos grandes
    A100 PCIeAmpere80 GB$1.39Treinamento de produção
    A100 SXMAmpere80 GB$1.49Treinamento de produção
    RTX PRO 6000Blackwell96 GB$2.09Padrão recomendado
    H100 PCIeHopper80 GB$2.89Treinamento de alto desempenho
    H100 NVLHopper94 GB$3.19Desempenho máximo
    H100 SXMHopper80 GB$3.29Treinamento mais rápido
    H200 NVLHopper143 GB$3.39Memória máxima
    H200 SXMHopper141 GB$4.39Desempenho máximo
    B200Blackwell180 GB$5.89Modelos grandes (Pro+)
    B300Blackwell288 GB$7.39Modelos maiores (Pro+)

    Consulte Cloud Training para obter preços completos e opções de GPU.

  • Podes treinar modelos no teu próprio hardware e transmitir métricas em tempo real para o Ultralytics Platform.

    Requisito de versão do pacote

    A integração com a Platform requer ultralytics>=8.4.104. Versões inferiores NÃO funcionarão com a Platform.

    pip install "ultralytics>=8.4.104"
    # Set your API key
    export ULTRALYTICS_API_KEY="YOUR_API_KEY"
    
    # Train with project/name to stream metrics
    yolo train model=yolo26n.pt data=coco.yaml epochs=100 project=username/my-project name=exp1

    Consulte Cloud Training para mais detalhes sobre treinamento remoto.

  • A plataforma inclui um editor de anotação completo com suporte a:

    • Ferramentas manuais: Bounding boxes, polígonos, keypoints com modelos de esqueleto, caixas orientadas, classificação
    • Modelos de esqueleto: Posicione todos os keypoints de uma só vez usando modelos nativos (Pessoa, Mão, Rosto, Cachorro, Caixa) ou personalizados
    • Smart Annotation: Use SAM 2.1 ou SAM 3 para anotação baseada em cliques, ou execute modelos Ultralytics YOLO pré-treinados e seus próprios modelos YOLO ajustados a partir da barra de ferramentas para detect, segment, semantic e OBB
    • Atalhos de teclado: Fluxos de trabalho eficientes com teclas de atalho
    AtalhoAção
    VModo manual (desenhar)
    SModo inteligente (modelo SAM ou YOLO)
    AAlternar aplicação automática (no modo Inteligente)
    1 - 9Selecionar classe pelo número
    DeleteExcluir anotação selecionada
    Ctrl+ZDesfazer
    Ctrl+YRefazer
    EscapeSalvar / deselecionar / sair

    Consulte Annotation para o guia completo.

  • A Platform suporta os mesmos 20 formatos de implantação do modo Ultralytics Export. O PyTorch é o formato de origem; cada linha com um argumento format é um destino de exportação.

    FormatoArgumento formatModeloMetadadosArgumentos
    PyTorch-yolo26n.pt-
    TorchScripttorchscriptyolo26n.torchscriptimgsz, quantize, dynamic, nms, batch, device
    ONNXonnxyolo26n.onnximgsz, quantize, dynamic, simplify, opset, nms, batch, data, fraction, device
    OpenVINOopenvinoyolo26n_openvino_model/imgsz, quantize, dynamic, nms, batch, data, fraction, device
    TensorRTengineyolo26n.engineimgsz, quantize, dynamic, simplify, opset, workspace, nms, batch, data, fraction, device
    CoreMLcoremlyolo26n.mlpackageimgsz, dynamic, quantize, nms, batch, device
    TF SavedModelsaved_modelyolo26n_saved_model/imgsz, keras, quantize, opset, nms, batch, data, fraction, device
    TF GraphDefpbyolo26n.pbimgsz, opset, batch, device
    TF Edge TPUedgetpuyolo26n_edgetpu.tfliteimgsz, quantize, opset, data, fraction, device
    PaddlePaddlepaddleyolo26n_paddle_model/imgsz, batch, device
    MNNmnnyolo26n.mnnimgsz, batch, dynamic, quantize, simplify, opset, nms, device
    NCNNncnnyolo26n_ncnn_model/imgsz, quantize, batch, device
    IMX500imxyolo26n_imx_model/imgsz, quantize, data, fraction, nms, device
    RKNNrknnyolo26n_rknn_model/imgsz, batch, name, quantize, simplify, opset, data, fraction, device
    ExecuTorchexecutorchyolo26n_executorch_model/imgsz, batch, device
    Axeleraaxelerayolo26n_axelera_model/imgsz, batch, quantize, data, fraction, device
    DEEPXdeepxyolo26n_deepx_model/imgsz, quantize, simplify, opset, data, optimize, device
    Qualcomm QNNqnnyolo26n_qnn.onnximgsz, batch, name, quantize, simplify, opset, data, fraction, device
    LiteRTlitertyolo26n.tfliteimgsz, quantize, batch, data, fraction, device
    Hailohailoyolo26n_hailo_model/imgsz, name, quantize, data, fraction, simplify, conf, iou
    Huawei Ascendascendyolo26n_ascend_model/imgsz, batch, name, quantize, opset, simplify, nms

    Consulte Models Export, o Export mode guide e o Integrations index para opções específicas de formato.

Comentários