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

Главная

Представляем Ultralytics YOLO26, новейшую версию признанной модели для обнаружения объектов и сегментации изображений в реальном времени. YOLO26 построена на достижениях в области deep learning и computer vision, предлагая сквозной вывод без NMS и оптимизацию для развертывания на периферийных устройствах. Благодаря своей оптимизированной архитектуре она подходит для различных задач и легко адаптируется к любому оборудованию: от edge-устройств до облачных API. Для стабильных производственных нагрузок рекомендуются как YOLO26, так и YOLO11.

Изучи документацию Ultralytics — исчерпывающий ресурс, созданный для того, чтобы помочь тебе понять и использовать все функции и возможности платформы. Независимо от того, являешься ли ты опытным специалистом по machine learning или только начинаешь свой путь, этот центр знаний поможет тебе максимально раскрыть потенциал YOLO в твоих проектах.

Запроси Enterprise License для коммерческого использования на странице Ultralytics Licensing.

С чего начать

YOLO: краткая история

YOLO (You Only Look Once), популярная модель для object detection и image segmentation, была разработана Джозефом Редмоном и Али Фархади в Вашингтонском университете. Выпущенная в 2015 году, YOLO быстро завоевала популярность благодаря своей высокой скорости и точности.

• YOLOv2, выпущенная в 2016 году, улучшила исходную модель за счет включения пакетной нормализации, anchor boxes и кластеризации размеров.
• YOLOv3, выпущенная в 2018 году, еще больше повысила производительность модели, используя более эффективную backbone-сеть, несколько анкоров и пространственное пирамидальное объединение (spatial pyramid pooling).
• YOLOv4 вышла в 2020 году, внедрив инновации, такие как Mosaic data augmentation, новый anchor-free детектор и новая loss function.
• YOLOv5 дополнительно улучшила производительность модели и добавила новые функции, такие как оптимизация гиперпараметров, встроенное отслеживание экспериментов и автоматический экспорт в популярные форматы.
• YOLOv6 была выложена в открытый доступ компанией Meituan в 2022 году и используется во многих автономных роботах-доставщиках компании.
• YOLOv7 добавила дополнительные задачи, такие как оценка позы (pose estimation) на наборе данных COCO keypoints.
• YOLOv8, выпущенная в 2023 году компанией Ultralytics, представила новые функции и улучшения для повышения производительности, гибкости и эффективности, поддерживая полный спектр задач компьютерного зрения.
• YOLOv9 представила инновационные методы, такие как программируемая градиентная информация (PGI) и обобщенная сеть эффективной агрегации слоев (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: выпущенная в сентябре 2024 года, YOLO11 обеспечивает превосходную производительность в различных задачах, включая object detection, segmentation, pose estimation, tracking и classification, позволяя развертывать решения в различных областях ИИ.
• YOLO26 🚀: модель YOLO следующего поколения от Ultralytics, оптимизированная для развертывания на периферии с поддержкой сквозного вывода без NMS.

Лицензии YOLO: как лицензируется Ultralytics YOLO?

Ultralytics предлагает два варианта лицензирования для удовлетворения различных потребностей:

• Лицензия AGPL-3.0: Эта одобренная OSI лицензия с открытым исходным кодом идеально подходит для студентов и энтузиастов, способствуя открытому сотрудничеству и обмену знаниями. Более подробную информацию см. в файле LICENSE.
• Enterprise License: Предназначена для коммерческого использования. Эта лицензия позволяет легко интегрировать ПО и ИИ-модели Ultralytics в коммерческие продукты и услуги, обходя требования открытого исходного кода AGPL-3.0. Если твой сценарий предполагает встраивание наших решений в коммерческий продукт, свяжись с нами через Ultralytics Licensing.

Наша стратегия лицензирования направлена на то, чтобы любые улучшения наших проектов с открытым кодом возвращались сообществу. Мы верим в open source, и наша миссия — сделать так, чтобы наши разработки могли использоваться и расширяться на благо всех.

Эволюция обнаружения объектов

Обнаружение объектов значительно эволюционировало за эти годы: от традиционных методов компьютерного зрения до передовых моделей глубокого обучения. Семейство моделей YOLO находится в авангарде этой эволюции, постоянно расширяя границы возможного в реальном времени.

Уникальный подход YOLO рассматривает обнаружение объектов как задачу регрессии, предсказывая bounding boxes и вероятности классов непосредственно из полного изображения за одну итерацию. Этот революционный метод сделал модели YOLO значительно быстрее предыдущих двухэтапных детекторов при сохранении высокой точности.

С каждой новой версией YOLO внедряет архитектурные улучшения и инновационные техники, которые повышают производительность по различным метрикам. YOLO26 продолжает эту традицию, включая последние достижения в исследованиях компьютерного зрения, предлагая вывод без NMS и оптимизацию для работы на периферийных устройствах в реальных приложениях.

Часто задаваемые вопросы (FAQ)

Что такое Ultralytics YOLO и как она улучшает обнаружение объектов?

Ultralytics YOLO — это признанная серия моделей YOLO (You Only Look Once) для обнаружения объектов и сегментации изображений в реальном времени. Новейшая модель, YOLO26, базируется на предыдущих версиях, добавляя сквозной вывод без NMS и оптимизацию для edge-устройств. YOLO поддерживает множество задач vision AI tasks, таких как обнаружение, сегментация, оценка позы, отслеживание и классификация. Эффективная архитектура обеспечивает отличную скорость и точность, что делает её подходящей для широкого спектра задач, включая работу на edge-устройствах и в облачных API.

Как начать работу с установкой и настройкой YOLO?

Начать работу с YOLO быстро и просто. Ты можешь установить пакет Ultralytics с помощью pip и запустить всё за считанные минуты. Вот базовая команда для установки:

pip install -U ultralytics

Для получения подробного пошагового руководства посети нашу страницу Quickstart. Этот ресурс поможет тебе с инструкциями по установке, первоначальной настройке и запуску первой модели.

Как обучить пользовательскую модель YOLO на своем наборе данных?

Обучение пользовательской модели YOLO на твоем наборе данных включает несколько детальных шагов:

1. Подготовь свой размеченный набор данных.
2. Настрой параметры обучения в YAML-файле.
3. Используй команду yolo TASK train для начала обучения. (У каждой TASK есть свои аргументы)

Вот пример кода для задачи обнаружения объектов (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)

Для подробного пошагового разбора загляни в наше руководство Train a Model, где есть примеры и советы по оптимизации процесса обучения.

Какие варианты лицензирования доступны для Ultralytics YOLO?

Ultralytics предлагает два варианта лицензирования для YOLO:

• Лицензия AGPL-3.0: Эта лицензия с открытым исходным кодом идеально подходит для образовательных и некоммерческих целей, способствуя открытому сотрудничеству.
• Enterprise License: Предназначена для коммерческих приложений, позволяя легко интегрировать ПО Ultralytics в коммерческие продукты без ограничений лицензии AGPL-3.0.

Для получения дополнительной информации посети нашу страницу Licensing.

Как можно использовать Ultralytics YOLO для отслеживания объектов в реальном времени?

Ultralytics YOLO поддерживает эффективное и настраиваемое отслеживание нескольких объектов. Чтобы использовать возможности отслеживания, используй команду yolo track, как показано ниже:

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")

Для подробного руководства по настройке и запуску отслеживания объектов изучи нашу документацию Track Mode, в которой объясняются конфигурации и практическое применение в сценариях реального времени.