中文 · 한국어 · 日本語 · Русский · Deutsch · Français · Español · Português · Türkçe · Tiếng Việt · العربية
Документация по Ultralytics YOLO#
Ultralytics YOLO — это семейство моделей компьютерного зрения в реальном времени для обнаружения объектов, сегментации экземпляров, семантической сегментации, оценки глубины, классификации, оценки позы, ориентированных ограничивающих прямоугольников и трекинга, доступное через один пакет Python и CLI. YOLO26 создана на основе достижений в области глубокого обучения и компьютерного зрения, включая сквозной вывод без NMS и оптимизированное развертывание на периферийных устройствах. Ее оптимизированный дизайн делает модель подходящей для различных приложений и легко адаптируемой к различным аппаратным платформам, от периферийных устройств до облачных API. Для стабильных производственных нагрузок рекомендуются как YOLO26, так и YOLO11.
Изучи документацию Ultralytics, представляющую собой исчерпывающий ресурс, охватывающий пакет YOLO и CLI, а также платформу Ultralytics Platform, которая добавляет аннотирование данных, облачное обучение и развертывание поверх тех же моделей. Независимо от того, являешься ли ты опытным специалистом в области машинного обучения или новичком в этой сфере, эти ресурсы помогут тебе извлечь максимум пользы из YOLO в твоих проектах.
Запроси лицензию Enterprise для коммерческого использования на странице лицензирования Ultralytics.
Преврати одну фотографию в карту глубины, представляющую собой расстояние в метрах для каждого пикселя.
Начни работу с помощью двух команд#
# 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 загружаются автоматически, а результат с аннотациями сохраняется в runs/detect/predict.
Ознакомься с руководством Quickstart, чтобы получить полную информацию об установке и использовании.
Что ты хочешь сделать?#
Выполни точную настройку предварительно обученной модели YOLO26 на своем наборе данных, настроив аугментацию и гиперпараметры для обучения на нескольких GPU
Загрузи предварительно обученную модель и получи ограничивающие прямоугольники, маски или ключевые точки с помощью нескольких строк кода на Python или одной команды CLI
Отслеживай объекты с постоянными идентификаторами, используя TrackTrack (по умолчанию), BoT-SORT, ByteTrack, OC-SORT, Deep OC-SORT или FastTracker
Готовые приложения компьютерного зрения для подсчета объектов, тепловых карт, управления очередями, охранных сигнализаций и тренировок, не требующие обучения
Экспортируй обученные модели в ONNX, TensorRT или OpenVINO для быстрого вывода на периферийных устройствах, мобильном оборудовании и облачных серверах
Сравни YOLO26, YOLO11, SAM 3, RT-DETR и любую другую поддерживаемую архитектуру по скорости, точности и варианту использования
Найди классы, функции и сигнатуры методов для Python API, автоматически создаваемые из исходного кода при каждом новом релизе
Новейшее семейство моделей Ultralytics обеспечивает вывод без NMS в реальном времени с улучшенным соотношением точности и задержки по сравнению с YOLO11
Как организована эта документация#
Большинство команд рабочего процесса модели yolo следуют одной грамматике yolo [TASK] MODE ARGS, где Задача является необязательной, и эта документация организована вокруг тех же трех частей плюс один ярлык:
- Задача отвечает на вопрос, что тебе нужно получить от изображения: обнаружение, сегментация экземпляров, семантическая сегментация, оценка глубины, классификация, оценка позы или ориентированные прямоугольники.
- Режим отвечает на вопрос, как ты используешь модель: обучение, валидация, предсказание, экспорт, трекинг или бенчмаркинг.
- Аргументы настраивают команду, определяя, какую модель запустить с помощью
model=, а также гиперпараметры, такие какepochsиimgsz. - Решения — это ярлык: готовое приложение, например для подсчета объектов или охранной сигнализации, которое полностью пропускает Задача и Режим.
Все остальное поддерживает эту грамматику: Модели перечисляют каждую архитектуру, которую ты можешь передать в model= — YOLO26, YOLO11, SAM 3, RT-DETR и другие; Наборы данных предоставляют данные, на которых обучается каждая Задача; Руководства представляют собой обширную коллекцию подробных инструкций, охватывающих развертывание оборудования, настройку гиперпараметров, конвертацию наборов данных и полные пошаговые руководства по проектам; Интеграции соединяют конвейер с инструментами обучения и развертывания, которые ты уже используешь; а раздел Справочник документирует каждый класс и функцию в Python API.
Помимо пакета Python, на тех же моделях работают еще две среды: платформа Ultralytics Platform для облачной разметки, обучения и развертывания, а также Ultralytics Inference, автономная библиотека Rust и CLI для запуска экспортированных моделей без среды выполнения Python.
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. Дополнительную информацию см. в файле LICENSE.
- Корпоративная лицензия: эта лицензия предназначена для разработки и использования в продакшене и обеспечивает бесшовную интеграцию программного обеспечения и моделей ИИ Ultralytics в бизнес-продукты и сервисы, включая внутренние инструменты, автоматизированные рабочие процессы и продакшен-развёртывания, без требований открытого исходного кода AGPL-3.0. Чтобы начать работу, свяжись с нами через Ultralytics Licensing.
Наша стратегия лицензирования разработана таким образом, чтобы гарантировать возвращение любых улучшений наших проектов с открытым исходным кодом в сообщество. Мы верим в открытый исходный код, и наша миссия заключается в том, чтобы наши вклады могли использоваться и развиваться способами, приносящими пользу каждому.
Часто задаваемые вопросы#
Ultralytics YOLO — это признанная серия YOLO (You Only Look Once) для обнаружения объектов и сегментации изображений в реальном времени. Новейшая модель, YOLO26, развивает предыдущие версии, внедряя сквозной вывод без NMS и оптимизированное развертывание на периферийных устройствах. YOLO поддерживает различные задачи компьютерного зрения ИИ, такие как обнаружение, сегментация экземпляров, семантическая сегментация, оценка глубины, классификация, оценка позы и ориентированные ограничивающие прямоугольники, а также может отслеживать обнаруженные объекты в кадрах видео. Эффективная архитектура модели обеспечивает превосходную скорость и точность, делая ее подходящей для разнообразных приложений, включая периферийные устройства и облачные API.
Начать работу с YOLO быстро и просто. Установи пакет Ultralytics из pip с помощью
pip install ultralytics, затем запусти свое первое предсказание с помощьюyolo predict model=yolo26n.pt— веса модели загрузятся автоматически. Подробные инструкции, охватывающие conda, Docker и установку из исходного кода, ищи на странице Quickstart.Обучение пользовательской модели YOLO на твоем наборе данных включает несколько подробных шагов:
- Подготовь размеченный набор данных и опиши его в файле YAML с набором данных.
- Загрузи предварительно обученную модель, например
YOLO("yolo26n.pt")в Python. - Начни обучение с помощью
model.train(data="path/to/dataset.yaml", epochs=100, imgsz=640)или из командной строки с помощьюyolo detect train data=path/to/dataset.yaml epochs=100 imgsz=640.
Для получения подробного пошагового руководства ознакомься с нашим руководством Train a Model, которое содержит примеры и советы по оптимизации процесса обучения.
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.
- Лицензия Enterprise: Для разработки и использования в продакшене, включая внутренние инструменты, автоматизированные рабочие процессы и развертывание в продакшене, в обход требований AGPL-3.0 с открытым исходным кодом.
Дополнительную информацию см. на странице Licensing.
Ultralytics YOLO поддерживает эффективный и настраиваемый многообъектный трекинг. Вызови
YOLO("yolo26n.pt").track(source="path/to/video.mp4")в Python или запустиyolo track source=path/to/video.mp4из командной строки — оба способа работают с видеофайлами, прямыми трансляциями и вводом с веб-камеры. Подробное руководство по настройке и запуск трекинга объектов ищи в нашей документации Track Mode, в которой описаны конфигурация и практические применения в сценариях реального времени.
