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

Link to this sectionГлавная#

Представляем Ultralytics YOLO26, новейшую версию признанной модели для обнаружения объектов и сегментации изображений в реальном времени. YOLO26 основана на достижениях в области глубокого обучения и компьютерного зрения, предлагая сквозной инференс без NMS и оптимизированное развертывание на периферийных устройствах. Её оптимизированный дизайн делает модель подходящей для различных приложений и легко адаптируемой к разным аппаратным платформам, от граничных устройств до облачных API. Для стабильных производственных нагрузок рекомендуются как YOLO26, так и YOLO11.

Изучи документацию Ultralytics — комплексный ресурс, разработанный, чтобы помочь тебе понять и использовать все её функции и возможности. Независимо от того, являешься ли ты опытным специалистом в области машинного обучения или новичком, этот хаб поможет тебе максимально раскрыть потенциал YOLO в твоих проектах.

Запроси корпоративную лицензию для коммерческого использования на странице Ultralytics Licensing.

Link to this sectionС чего начать#

Link to this sectionYOLO: Краткая история#

YOLO (You Only Look Once), популярная модель для обнаружения объектов и сегментации изображений, была разработана Джозефом Редмоном и Али Фархади в Вашингтонском университете. Выпущенная в 2015 году, YOLO приобрела популярность благодаря своей высокой скорости и точности.

• YOLOv2, выпущенная в 2016 году, улучшила исходную модель за счет включения пакетной нормализации, якорных рамок и кластеризации размеров.
• YOLOv3, выпущенная в 2018 году, еще больше повысила производительность модели за счет использования более эффективной сети-основы (backbone), нескольких якорей и пространственного пирамидального пулинга.
• YOLOv4 была выпущена в 2020 году, представив такие инновации, как Mosaic аугментация данных, новая безякорная голова детекции и новая функция потерь.
• 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 в открытый доступ компанией Meituan в 2022 году и используется во многих автономных роботах доставки этой компании.
• YOLOv7 добавила дополнительные задачи, такие как оценка позы на наборе данных ключевых точек COCO.
• YOLOv8, выпущенная в 2023 году компанией Ultralytics, представила новые возможности и улучшения для повышенной производительности, гибкости и эффективности, поддерживая полный спектр задач компьютерного зрения.
• YOLOv9 представляет 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 демонстрирует отличную производительность в различных задачах, включая обнаружение объектов, сегментацию, оценку позы, трекинг и классификацию, позволяя развертывание в разнообразных AI-приложениях и доменах.
• YOLO26 🚀: Модель YOLO следующего поколения от Ultralytics, оптимизированная для развертывания на граничных устройствах со сквозным инференсом без NMS.

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 sectionЭволюция 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 раздвигая границы возможного в обнаружении объектов в реальном времени.

Уникальный подход YOLO рассматривает обнаружение объектов как единую задачу регрессии, предсказывая граничные рамки и вероятности классов непосредственно из полных изображений за один проход. Этот революционный метод сделал модели YOLO значительно быстрее предыдущих двухстадийных детекторов при сохранении высокой точности.

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

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. Ты можешь установить пакет Ultralytics с помощью pip и начать работу за считанные минуты. Вот базовая команда установки:

pip install -U ultralytics

Для получения подробного пошагового руководства посети нашу страницу Quickstart. Этот ресурс поможет тебе с инструкциями по установке, начальной настройкой и запуском первой модели.

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 аннотированный набор данных.
2. Настрой параметры обучения в YAML-файле.
3. Используй команду yolo TASK train, чтобы начать обучение. (У каждой TASK свой 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 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 трекинг нескольких объектов. Чтобы воспользоваться возможностями трекинга, 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 трекинга объектов ознакомься с нашей документацией Track Mode, в которой объясняются конфигурация и практическое применение в сценариях реального времени.