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

Link to this sectionДокументация Ultralytics YOLO#

Ultralytics YOLO — это семейство моделей компьютерного зрения реального времени для обнаружения объектов, сегментации экземпляров, семантической сегментации, классификации, оценки позы, ориентированных ограничивающих рамок и трекинга, доступных через один пакет Python и CLI. YOLO26 создана на основе достижений глубокого обучения и компьютерного зрения, включая end-to-end инференс без NMS и оптимизированное развертывание на периферийных устройствах. Благодаря своей оптимизированной конструкции она подходит для различных приложений и легко адаптируется к разным аппаратным платформам, от периферийных устройств до облачных API. Для стабильных производственных нагрузок рекомендуются YOLO26 и YOLO11.

Изучи документацию Ultralytics — исчерпывающий ресурс, охватывающий пакет и CLI YOLO, а также платформу Ultralytics, которая дополняет эти же модели функциями разметки данных, облачного обучения и развертывания. Независимо от того, являешься ли ты опытным специалистом в области машинного обучения или новичком, этот хаб поможет тебе получить максимум от YOLO в твоих проектах.

Запроси корпоративную лицензию для коммерческого использования на странице Ultralytics Licensing.

Link to this sectionНачни работу двумя командами#

# 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'

Веса модели и пример изображения скачиваются автоматически, а результат разметки сохраняется в runs/detect/predict.

Полное руководство по установке и использованию см. в разделе Quickstart.

Link to this sectionЧто ты хочешь сделать?#

Link to this sectionКак организована эта документация#

Большинство команд рабочего процесса модели yolo следуют одной грамматике: yolo [TASK] MODE ARGS, где Task (задача) является необязательной, а данная документация организована по тем же трем частям, плюс один ярлык:

• Task отвечает на вопрос, что ты хочешь получить от изображения: detection, instance segmentation, semantic segmentation, classification, pose estimation или oriented boxes.
• Mode отвечает на вопрос, как ты используешь модель: train, validate, predict, export, track или benchmark.
• Args настраивает команду: от того, какую модель запустить с помощью model=, до гиперпараметров, таких как epochs и imgsz.
• Solutions — это ярлык: готовое приложение, например, для подсчета объектов или охранной сигнализации, которое полностью пропускает этапы выбора Task и Mode.

Все остальное поддерживает эту грамматику: Models перечисляет каждую архитектуру, которую ты можешь передать в model= — YOLO26, YOLO11, SAM 3, RT-DETR и другие; Datasets предоставляет информацию о том, на чем обучается каждая Task; Guides — это обширная коллекция подробных руководств, охватывающих развертывание на оборудовании, настройку гиперпараметров, конвертацию наборов данных и пошаговые инструкции по проектам; Integrations связывает конвейер с инструментами обучения и развертывания, которые ты уже используешь; а раздел Reference документирует каждый класс и функцию в API Python.

Помимо пакета Python, на тех же моделях работают еще два интерфейса: платформа Ultralytics для облачной разметки, обучения и развертывания, и Ultralytics Inference — автономная библиотека Rust и CLI для запуска экспортированных моделей без среды выполнения Python.

Link to this sectionЛицензии YOLO: как лицензируется Ultralytics YOLO?#

Ultralytics предлагает два варианта лицензирования для удовлетворения различных потребностей:

• Лицензия AGPL-3.0: Эта открытая лицензия, одобренная OSI, идеально подходит для студентов и энтузиастов, способствуя открытому сотрудничеству и обмену знаниями. Дополнительную информацию смотри в файле LICENSE.
• Коммерческая лицензия: для разработки и использования в производстве эта лицензия позволяет беспрепятственно интегрировать программное обеспечение и ИИ-модели Ultralytics в бизнес-продукты и сервисы, включая внутренние инструменты, автоматизированные рабочие процессы и производственные развертывания, обходя требования открытого исходного кода AGPL-3.0. Чтобы начать, свяжись с нами через Лицензирование Ultralytics.

Наша стратегия лицензирования разработана так, чтобы любые улучшения наших проектов с открытым исходным кодом возвращались сообществу. Мы верим в открытый исходный код, и наша миссия — обеспечить использование и развитие наших вкладов способами, которые приносят пользу всем.

Link to this sectionFAQ#

Link to this sectionЧто такое Ultralytics YOLO и как она улучшает обнаружение объектов?#

Ultralytics YOLO — это признанная серия YOLO (You Only Look Once) для обнаружения объектов и сегментации изображений в реальном времени. Новейшая модель, YOLO26, базируется на предыдущих версиях, внедряя сквозной инференс без NMS и оптимизированное развертывание на граничных устройствах. YOLO поддерживает различные задачи компьютерного зрения, такие как обнаружение, сегментация экземпляров, семантическая сегментация, оценка позы, трекинг и классификация. Её эффективная архитектура обеспечивает отличную скорость и точность, что делает её подходящей для разнообразных приложений, включая граничные устройства и облачные API.

Link to this sectionКак мне начать работу с установкой и настройкой YOLO?#

Начать работу с YOLO быстро и просто. Установи пакет Ultralytics из pip с помощью pip install ultralytics, затем запусти свое первое предсказание командой yolo predict model=yolo26n.pt — веса модели скачаются автоматически. Подробные инструкции, включая conda, Docker и установку из исходного кода, можно найти на странице Quickstart.

Link to this sectionКак я могу обучить собственную модель YOLO на своем наборе данных?#

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

1. Подготовь свой размеченный набор данных и опиши его в файле YAML для датасета.
2. Загрузи предобученную модель, например YOLO("yolo26n.pt") в Python.
3. Начни обучение с помощью model.train(data="path/to/dataset.yaml", epochs=100, imgsz=640) или из командной строки с помощью yolo detect train data=path/to/dataset.yaml epochs=100 imgsz=640.

Для подробного пошагового руководства ознакомься с нашим руководством Train a Model, которое включает примеры и советы по оптимизации процесса обучения.

Link to this sectionКакие варианты лицензирования доступны для Ultralytics YOLO?#

Ultralytics предлагает два варианта лицензирования для YOLO:

• Лицензия AGPL-3.0: Эта открытая лицензия идеально подходит для образовательных и некоммерческих целей, способствуя открытому сотрудничеству.
• Корпоративная лицензия: Для разработки и производственного использования, включая внутренние инструменты, автоматизированные рабочие процессы и развертывание в продакшене, в обход требований открытого исходного кода AGPL-3.0.

Для получения дополнительной информации посети нашу страницу Licensing.

Link to this sectionКак можно использовать Ultralytics YOLO для отслеживания объектов в реальном времени?#

Ultralytics YOLO поддерживает эффективный и настраиваемый многообъектный трекинг. Вызови YOLO("yolo26n.pt").track(source="path/to/video.mp4") в Python или запусти yolo track source=path/to/video.mp4 из командной строки — оба способа работают с видеофайлами, прямыми трансляциями и веб-камерой. Подробное руководство по настройке и запуску трекинга объектов смотри в нашей документации Track Mode, где объясняются конфигурация и практическое применение в сценариях реального времени.