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 deep learning и computer vision, предлагая сквозной вывод без NMS и оптимизированное развертывание на границах сети (edge). Оптимизированная архитектура делает её подходящей для различных задач и легко адаптируемой к разнообразным аппаратным платформам, от устройств edge до облачных API. Для стабильных промышленных рабочих нагрузок рекомендуются как YOLO26, так и YOLO11.

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

Запроси Enterprise-лицензию 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 завоевала популярность благодаря своей высокой скорости и точности.

• YOLOv2, выпущенная в 2016 году, улучшила оригинальную модель за счет использования пакетной нормализации, anchor boxes и кластеризации размерностей.
• YOLOv3, запущенная в 2018 году, еще больше улучшила производительность модели за счет использования более эффективной опорной сети (backbone), множественных якорей (anchors) и пространственного пирамидального пулинга.
• YOLOv4 была выпущена в 2020 году, представив инновации, такие как Mosaic data augmentation, новый детектор без якорей и новую loss function.
• YOLOv5 еще больше улучшила производительность модели и добавила новые функции, такие как оптимизация гиперпараметров, интегрированное отслеживание экспериментов и автоматический экспорт в популярные форматы.
• YOLOv6 была выпущена с открытым исходным кодом 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 Programmable Gradient Information (PGI) и 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: Выпущенная в сентябре 2024 года, YOLO11 обеспечивает отличную производительность в различных задачах, включая object detection, segmentation, pose estimation, tracking и classification, позволяя развертывание в разнообразных AI-приложениях и доменах.
• YOLO26 🚀: Модель YOLO следующего поколения от Ultralytics, оптимизированная для развертывания на границах сети (edge) со сквозным выводом без NMS.

Лицензии YOLO: Как лицензируется Ultralytics YOLO?

Ultralytics предлагает два варианта лицензирования для удовлетворения различных вариантов использования:

• Лицензия AGPL-3.0: Эта одобренная OSI лицензия с открытым исходным кодом идеально подходит для студентов и энтузиастов, способствуя открытому сотрудничеству и обмену знаниями. Дополнительную информацию см. в файле LICENSE.
• Enterprise-лицензия: Для разработки и промышленного использования эта лицензия позволяет беспрепятственно интегрировать программное обеспечение и AI-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 Ultralytics Licensing.

Наша стратегия лицензирования разработана для того, чтобы гарантировать, что любые улучшения наших проектов с открытым исходным кодом будут возвращены сообществу. Мы верим в открытый исходный код, и наша миссия — сделать так, чтобы наши разработки могли использоваться и расширяться способами, которые приносят пользу всем.

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 обнаружении объектов в реальном времени.

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

С каждой новой версией YOLO внедряла архитектурные улучшения и инновационные методы, повышающие производительность по различным метрикам. YOLO26 продолжает эту традицию, включая последние достижения в исследованиях компьютерного зрения, предлагая сквозной вывод без NMS и оптимизированное развертывание на edge для реальных приложений.

Часто задаваемые вопросы (FAQ)

Что 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. Последняя модель, YOLO26, основывается на предыдущих версиях, внедряя сквозной вывод без NMS и оптимизированное развертывание на edge. YOLO поддерживает различные vision AI tasks, такие как detection, instance segmentation, semantic segmentation, pose estimation, tracking и classification. Эффективная архитектура гарантирует отличную скорость и точность, делая модель подходящей для разнообразных приложений, включая edge-устройства и облачные API.

Как мне начать установку и настройку YOLO?

Начать работу с YOLO быстро и просто. Ты можешь установить пакет Ultralytics с помощью pip и начать работу 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 твоей первой модели.

Как обучить собственную модель YOLO на моем наборе данных?

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

1. Подготовь аннотированный набор данных.
2. Настрой параметры обучения в YAML-файле.
3. Используй команду yolo TASK train для запуска обучения. (У каждой TASK есть свой собственный аргумент)

Вот пример кода для задачи обнаружения объектов:

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 прохождения изучи наше руководство Train a Model, которое включает 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 образовательного и некоммерческого использования, способствуя открытому сотрудничеству.
• Enterprise-лицензия: Для разработки и промышленного использования, включая внутренние инструменты, автоматизированные рабочие процессы и производственные развертывания, обходя требования открытого исходного кода AGPL-3.0.

Для получения подробной информации посети нашу страницу Licensing.

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

Ultralytics YOLO поддерживает эффективное и настраиваемое многообъектное отслеживание. Чтобы использовать возможности отслеживания, ты можешь применить 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 конфигурация и практическое применение в сценариях реального времени.