Ultralytics YOLO27:
Get Started

Plataforma Ultralytics#

A Plataforma Ultralytics é uma plataforma abrangente de visão computacional de ponta a ponta que simplifica todo o fluxo de trabalho de ML, desde a preparação de dados até a implantação de modelos. Criada para equipes e profissionais que precisam de soluções de visão computacional prontas para produção, sem a complexidade da infraestrutura.

Captura de tela do conjunto de dados da Plataforma Ultralytics

O que é a Plataforma Ultralytics?#

A Plataforma Ultralytics reúne gerenciamento e anotação de conjuntos de dados, acompanhamento de experimentos, treinamento na nuvem e remoto, exportação de modelos, endpoints de inferência dedicados e monitoramento de implantação em um único espaço de trabalho. Ela oferece suporte nativo aos modelos YOLO26, YOLO11, YOLOv8 e YOLOv5.

Fluxo de trabalho: Enviar → Anotar → Treinar → Exportar ou implantar#

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

EstágioRecursos
EnviarImagens (50MB), vídeos (1GB) e arquivos de conjuntos de dados (ZIP, TAR, incluindo .tar.gz/.tgz, NDJSON) do seu computador, de uma URL, do armazenamento na nuvem ou de um host local
AnotarFerramentas de anotação manual para 6 tipos de tarefa, além da Anotação Inteligente com modelos SAM para detecção, segmentação, semântica e OBB; modelos YOLO para essas tarefas e pose; ou modelos com prompts de classe (modelos de código aberto hospedados ou modelos pagos de provedores) para conjuntos de dados de detecção com 1–200 classes (consulte os tipos de tarefa compatíveis)
TreinarGPUs na nuvem (24 em todos os planos + 2 exclusivos dos planos Pro/Enterprise: B200, B300), métricas em tempo real e organização de projetos
Exportar22 formatos de implantação (ONNX, TensorRT, CoreML, LiteRT, Hailo, Ascend etc.; consulte formatos compatíveis)
Implantar42 regiões globais com endpoints dedicados, escala para zero por padrão (uma única instância ativa) e monitoramento

O que você pode fazer:

  • Enviar imagens, vídeos e arquivos de conjuntos de dados para criar conjuntos de dados de treinamento
  • Visualizar anotações com sobreposições interativas para os 6 tipos de tarefa YOLO compatíveis com o editor de anotações (consulte os tipos de tarefa compatíveis)
  • Treinar modelos em GPUs na nuvem (24 em todos os planos, 26 com Pro ou Enterprise para B200 e B300) com métricas em tempo real
  • Exportação para 22 formatos de implantação (ONNX, TensorRT, CoreML, LiteRT, Hailo, Ascend etc.)
  • Implantar em 42 regiões globais com endpoints dedicados em um clique
  • Criar fluxos de trabalho de Agents que conectam modelos, condições, coleta de conjuntos de dados, alertas do Slack e webhooks
  • Monitorar o progresso do treinamento, a integridade da implantação e as métricas de uso
  • Conectar armazenamento na nuvem, ferramentas de anotação e Slack por meio de integrações
  • Colaborar tornando projetos e conjuntos de dados públicos para a comunidade

Infraestrutura multirregional#

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

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

Você seleciona a região dos seus dados durante o cadastro. Os conjuntos de dados, os modelos e os dados de treinamento gerenciados permanecem nessa região. Os endpoints dedicados são implantados separadamente em uma região que você escolhe no mapa global de implantação.

A região é permanente

Você não pode alterar a região dos seus dados por conta própria após criar a conta. Durante o cadastro, a Plataforma mede a latência para cada região e recomenda a mais próxima. Entre em contato com o suporte se precisar solicitar uma alteração de região mais tarde. Isso se aplica ao conteúdo de conjuntos de dados e modelos; os dados da conta, como perfil, cobrança e registros de atividade, são processados globalmente, conforme descrito na nossa Política de Privacidade e no nosso Acordo de Processamento de Dados.

Principais funcionalidades#

Preparação de dados#

  • Gerenciamento de conjuntos de dados: Crie conjuntos de dados a partir de arquivos locais, de uma URL, de um armazenamento na nuvem conectado ou de um host local, com processamento automático
  • Editor de anotações: Ferramentas de anotação manual para 6 tipos de tarefa YOLO (detecção, segmentação, semântica, classificação, pose, OBB; consulte os tipos de tarefa compatíveis)
  • Modelos de esqueleto: Modelos de esqueleto integrados (Pessoa, Mão, Cão, Rosto, Caixa) e personalizados para anotar poses com um clique
  • Anotação Inteligente: Use SAM 2.1 (Tiny, Small, Base, Large), SAM 3 ou SAM 3.1 (padrão) na barra de ferramentas de anotação para tarefas de detecção, segmentação, semântica e OBB; modelos Ultralytics YOLO pré-treinados e seus próprios modelos YOLO ajustados para essas tarefas e pose; ou modelos com prompts de classe em conjuntos de dados de detecção com 1–200 classes: seis modelos de código aberto hospedados (Moondream 3.1 por padrão), SAM 3 e SAM 3.1 hospedados com prompts de texto ou modelos de visão pagos da OpenAI, Anthropic, Google, Meta, SpaceXAI, DeepSeek, Z.ai, Kimi e Xiaomi MiMo, usando uma chave de provedor em Configurações > Chaves de API
  • Controle de versões de conjuntos de dados: Crie snapshots numerados em NDJSON com descrições e, em seguida, baixe ou restaure qualquer versão para garantir um treinamento reproduzível
  • Estatísticas: Distribuição de classes, distribuição de divisões, mapas de calor de localização e análise das dimensões das caixas delimitadoras
Tipos de tarefa compatíveis

O editor de anotações oferece ferramentas para 6 tipos de tarefa YOLO: detectar (caixas delimitadoras), segmentar (polígonos), semântica (regiões por classe), classificar (rótulos no nível da imagem), pose (pontos-chave) e OBB (caixas orientadas). Cada tipo de tarefa tem controles de anotação e atalhos de teclado próprios.

Treinamento de modelos#

  • Treinamento na nuvem: Treine em GPUs na nuvem (24 em todos os planos, 26 com Pro ou Enterprise para B200 e B300) com métricas em tempo real e uma estimativa de custo atualizada
  • Treinamento remoto: Treine em qualquer lugar e transmita métricas para a Plataforma Ultralytics
  • Configurações avançadas: Substitua qualquer argumento de treinamento da Ultralytics usando um editor YAML integrado na janela de treinamento
  • Organização de projetos: Agrupe modelos relacionados, compare experimentos e acompanhe atividades
  • 22 formatos de exportação: ONNX, TensorRT, CoreML, LiteRT, Hailo, Ascend e mais (consulte formatos compatíveis)

Captura de tela de projeto da Plataforma Ultralytics

Você pode treinar modelos pela interface web (treinamento na nuvem) ou no seu próprio computador (treinamento remoto):

  1. Acesse seu projeto
  2. Clique em New Model
  3. Selecione o conjunto de dados, o modelo, a GPU e o número de épocas
  4. Monitore as curvas de perda e as métricas em tempo real

Implantação#

  • Teste de inferência: Teste modelos diretamente no navegador com suas próprias imagens, uma captura da webcam ou os exemplos integrados
  • Endpoints dedicados: Implante em 42 regiões globais com escala para zero por padrão (uma única instância ativa)
  • Monitoramento: métricas em tempo real, registros de solicitações e painéis de desempenho

Após a implantação, chame seu endpoint de qualquer linguagem. conf, iou e imgsz são campos de formulário opcionais que, por padrão, usam 0.25, 0.7 e o tamanho de imagem usado no treinamento do modelo (640, se indisponível):

import requests

url = "https://your-deployment-url.run.app/predict"
api_key = "YOUR_API_KEY"
args = {"conf": 0.25, "iou": 0.7, "imgsz": 640}

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

print(response.json())

Gerenciamento da conta#

  • Equipes e organizações: colabore com membros da equipe, gerencie funções e convites e alterne entre espaços de trabalho pelo menu da conta
  • Chaves de API: gerenciamento seguro de chaves para treinamento remoto e acesso à API
  • Créditos e cobrança: treinamento com pagamento conforme o uso, preços transparentes e recargas de US$ 5 a US$ 1.000
  • Feed de atividades: acompanhe todos os eventos e ações da conta
  • Lixeira e restauração: exclusão reversível por 30 dias com recuperação de itens
  • Conformidade com o GDPR: exportação de dados e exclusão da conta
Níveis dos planos

Consulte a comparação oficial dos planos Free, Pro e Enterprise para ver os limites atuais, o acesso a GPUs, os recursos de colaboração e o licenciamento.

Comece a usar estes recursos:

Solução de problemas#

Problemas com conjuntos de dados#

ProblemaSolução
O conjunto de dados não é processadoVerifique se o formato do arquivo é compatível (JPEG, PNG, WebP, TIFF, HEIC, AVIF, BMP, JP2, DNG, MPO para imagens). Tamanho máximo de arquivo: imagens 50 MB, vídeos 1 GB, arquivos de conjunto de dados 10 GB (Free) / 20 GB (Pro) / 50 GB (Enterprise)
Anotações ausentesVerifique se os rótulos estão no formato YOLO, com arquivos .txt que correspondam aos nomes dos arquivos de imagem, ou envie um arquivo JSON do COCO
"É necessário um conjunto de treinamento"Adicione a pasta train/ à estrutura do conjunto de dados ou redistribua as divisões pela barra de divisão
Nomes de classes indefinidosAdicione um arquivo data.yaml com uma lista names: (consulte formato YOLO) ou defina as classes na aba Classes

Problemas de treinamento#

ProblemaSolução
O treinamento não começaVerifique o saldo de créditos em Configurações > Cobrança. É necessário ter saldo positivo
Erro de falta de memóriaReduza o tamanho do lote, use um modelo menor (n/s) ou selecione uma GPU com mais VRAM
Métricas insatisfatóriasVerifique a qualidade do conjunto de dados, aumente o número de épocas, experimente o aumento de dados e confira o equilíbrio entre as classes
Treinamento lentoSelecione uma GPU mais rápida, reduza o tamanho da imagem e verifique se o conjunto de dados não é o gargalo

Problemas de implantação#

ProblemaSolução
O endpoint não respondeVerifique o status do endpoint (Ready ou Stopped). Uma inicialização a frio após um período de inatividade pode levar até um minuto na primeira solicitação
401 Não autorizadoVerifique se a chave de API está ativa e foi copiada corretamente
Inferência lentaVerifique o tamanho do modelo, considere a exportação para TensorRT e selecione uma região mais próxima
Falha na exportaçãoAlguns formatos exigem arquiteturas de modelo específicas. Experimente ONNX para obter a maior compatibilidade

Perguntas frequentes#

Posso alterar meu nome de usuário depois de me cadastrar?

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

Posso alterar minha região de dados?

Sua região de dados é selecionada durante a integração e você não pode alterá-la por conta própria. Para mudar de região, entre em contato com o suporte e solicite a alteração.

Como posso obter mais créditos?

Acesse Configurações > Cobrança e clique em Adicionar créditos. Compre créditos de US$ 5 a US$ 1.000. Os créditos comprados nunca expiram.

O que acontece se o treinamento falhar?

Se a computação na nuvem tiver sido iniciada, o tempo de GPU decorrido será cobrado. Falhas ocorridas antes da inicialização de uma GPU não geram cobrança pelo uso de computação.

Posso baixar meu modelo treinado?

Sim. Clique no ícone de download na página do modelo para baixar os pesos .pt ou abra a aba Exportar para acessar os formatos exportados concluídos.

Como compartilho meu trabalho publicamente?

Abra o projeto ou conjunto de dados, clique no selo Privado na barra de navegação superior e confirme em Tornar público. O conteúdo público aparece na página Explorar.

Quais são os limites de tamanho dos arquivos?

Imagens: 50 MB; vídeos: 1 GB; conjuntos de dados: 10 GB no Free, 20 GB no Pro e 50 GB no Enterprise. Para arquivos maiores, divida-os em vários envios.

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 comercialmente os modelos da Platform?

Os planos Free e Pro usam a licença AGPL. Para uso comercial sem as exigências da AGPL, consulte Licenciamento da Ultralytics.

Perguntas frequentes#

  • Para começar a usar a Ultralytics Platform:

    1. Cadastre-se: crie uma conta em platform.ultralytics.com
    2. Selecione uma região: escolha sua região de dados (US, EU ou AP) durante a integração
    3. Envie um conjunto de dados: abra Annotate na barra lateral e envie seus dados
    4. Treine um modelo: crie um projeto e comece a treinar em GPUs na nuvem
    5. Implante: teste seu modelo e implante-o em um endpoint dedicado

    Para ver um guia detalhado, consulte a página Início rápido.

  • A Ultralytics Platform oferece:

    • Fluxo de trabalho unificado: dados, treinamento e implantação em um só lugar
    • Várias regiões: residência de dados em regiões dos EUA, da UE ou da AP
    • Treinamento sem código: treine modelos YOLO avançados sem escrever código
    • Métricas em tempo real: acompanhe o progresso do treinamento em tempo real e monitore as implantações
    • 42 regiões de implantação: implante modelos perto de seus usuários em todo o mundo
    • 7 tipos de tarefa: suporte para detecção, segmentação de instâncias, segmentação semântica, estimativa de profundidade, classificação, pose e OBB (consulte a documentação das tarefas)
    • Anotação assistida por IA: anotação inteligente com SAM, YOLO e modelos orientados por classes (conjuntos de dados de detecção com 1–200 classes) para acelerar a preparação dos dados
  • A Ultralytics Platform oferece suporte a vários tipos de GPU para treinamento na nuvem:

    GPUGeraçãoVRAMCusto/horaIdeal para
    RTX 2000 AdaAda16 GB$0.24Conjuntos de dados pequenos, testes
    RTX A4500Ampere20 GB$0.25Conjuntos de dados pequenos e médios
    RTX 4000 AdaAda20 GB$0.26Conjuntos de dados médios
    RTX A5000Ampere24 GB$0.27Conjuntos de dados 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$0.57Blackwell econômica
    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$0.99Geração mais recente para consumidores
    L40Ada48 GB$0.99Modelos grandes
    A100 PCIeAmpere80 GB$1.39Treinamento em produção
    A100 SXMAmpere80 GB$1.49Treinamento em 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$7.39Os maiores modelos (Pro+)

    Confira Treinamento na nuvem para ver os preços completos e as opções de GPU.

  • Você pode treinar modelos no seu próprio hardware e transmitir métricas em tempo real para a Ultralytics Platform.

    Requisito de versão do pacote

    A integração com a Platform requer Python>=3.11 e ultralytics>=8.4.120. Versões anteriores NÃO funcionarão com a Platform.

    pip install "ultralytics>=8.4.120"
    # 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

    Confira Treinamento na nuvem para saber mais sobre o treinamento remoto.

  • A Platform inclui um editor de anotação completo que oferece suporte a:

    • Ferramentas manuais: caixas delimitadoras, polígonos, pontos-chave com modelos de esqueleto, caixas orientadas, classificação
    • Modelos de esqueleto: posicione todos os pontos-chave de uma só vez usando modelos integrados (Person, Hand, Dog, Face, Box) ou modelos personalizados
    • Anotação inteligente: use SAM 2.1, SAM 3 ou SAM 3.1 (padrão) para fazer anotações com cliques em conjuntos de dados de detecção, segmentação, semântica e OBB; execute modelos YOLO da Ultralytics pré-treinados e seus próprios modelos YOLO ajustados na barra de ferramentas para essas tarefas e para pose; ou execute modelos com prompts de classe em conjuntos de dados de detecção com 1–200 classes: seis modelos de código aberto hospedados (Moondream 3.1 por padrão), SAM 3 e SAM 3.1 hospedados com prompts de texto ou modelos de visão pagos da OpenAI, Anthropic, Google, Meta, SpaceXAI, DeepSeek, Z.ai, Kimi e Xiaomi MiMo usando uma chave do provedor em Configurações > Chaves de API
    • Atalhos de teclado: fluxos de trabalho eficientes com teclas de atalho, listadas no popover de atalhos do editor
    AtalhoAção
    VModo manual (desenhar)
    SModo inteligente (SAM, YOLO ou modelo com prompt de classe)
    PFazer previsão (no modo inteligente)
    AAtivar/desativar aplicação automática (modo inteligente do SAM)
    1 - 9Selecionar classe pelo número
    HMostrar/ocultar anotações
    Space + arrastar ou arrastar com o botão do meioDeslocar a tela
    Delete / BackspaceExcluir anotação selecionada
    Ctrl+SSalvar anotações
    Ctrl+ZDesfazer
    Ctrl+YRefazer
    EscapeSalvar / desmarcar / sair

    Confira Anotação para ver o guia completo.

  • A Platform oferece suporte aos mesmos 22 formatos de implantação do modo Export do Ultralytics. PyTorch é o formato de origem; cada linha com um argumento format é um destino de exportação.

    FormatoArgumento formatModeloMetadadosArgumentos
    PyTorch-yolo26n.pt✅-
    TorchScripttorchscriptyolo26n.torchscript✅imgsz, quantize, dynamic, nms, batch, device
    ONNXonnxyolo26n.onnx✅imgsz, quantize, dynamic, simplify, opset, nms, batch, data, fraction, device
    OpenVINOopenvinoyolo26n_openvino_model/✅imgsz, quantize, dynamic, nms, batch, data, fraction, device
    TensorRTengineyolo26n.engine✅imgsz, quantize, dynamic, simplify, opset, workspace, nms, batch, data, fraction, device
    CoreMLcoremlyolo26n.mlpackage✅imgsz, dynamic, quantize, nms, batch, device
    Apple Core AIcoreaiyolo26n.aimodel✅imgsz, batch, quantize
    TF SavedModelsaved_modelyolo26n_saved_model/✅imgsz, quantize, opset, nms, batch, data, fraction, device
    TF GraphDefpbyolo26n.pb❌imgsz, opset, batch, device
    TF Edge TPUedgetpuyolo26n_edgetpu.tflite✅imgsz, quantize, opset, data, fraction, device
    LiteRTlitertyolo26n.tflite✅imgsz, quantize, batch, data, fraction, device
    PaddlePaddlepaddleyolo26n_paddle_model/✅imgsz, batch, device
    MNNmnnyolo26n.mnn✅imgsz, 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.onnx✅imgsz, batch, name, quantize, simplify, opset, data, fraction, device
    Hailohailoyolo26n_hailo_model/✅imgsz, name, quantize, data, fraction, simplify, conf, iou, device
    Huawei Ascendascendyolo26n_ascend_model/✅imgsz, batch, name, quantize, opset, simplify, nms, device
    AMD Xilinxxilinxyolo26n_xilinx_model/✅imgsz, name, quantize, data, fraction, opset, simplify, device

    nms=None usa por predefinição saídas brutas para NMS externo. Define nms=False para selecionar uma cabeça sem NMS disponível; os formatos não suportados recorrem ao respetivo caminho de saída nativo. As entradas nms acima identificam os formatos que podem incorporar NMS com nms=True.

    Consulte Exportação de modelos, o guia do modo Export e o índice de integrações para ver opções específicas de cada formato.

Comentários