Модели, поддерживаемые Ultralytics

Добро пожаловать в документацию по моделям Ultralytics! Мы предлагаем поддержку широкого спектра моделей, каждая из которых адаптирована для конкретных задач, таких как обнаружение объектов, сегментация экземпляров, семантическая сегментация, классификация изображений, оценка позы и отслеживание нескольких объектов. Если ты хочешь внести свой вклад в архитектуру моделей Ultralytics, ознакомься с нашим Руководством по внесению вклада.

Рекомендуемые модели

Вот некоторые из ключевых поддерживаемых моделей:

1. YOLOv3: Третья итерация семейства моделей YOLO, первоначально созданная Джозефом Редмоном, известная своей эффективностью при обнаружении объектов в реальном времени.
2. YOLOv4: Обновление YOLOv3 на базе darknet, выпущенное Алексеем Бочковским в 2020 году.
3. YOLOv5: Улучшенная версия архитектуры YOLO от Ultralytics, предлагающая лучшие компромиссы между производительностью и скоростью по сравнению с предыдущими версиями.
4. YOLOv6: Выпущена компанией Meituan в 2022 году и используется во многих автономных роботах-доставщиках этой компании.
5. YOLOv7: Обновленные модели YOLO, выпущенные в 2022 году авторами YOLOv4. Поддерживается только инференс.
6. YOLOv8: Универсальная модель с расширенными возможностями, такими как сегментация экземпляров, оценка позы/ключевых точек и классификация.
7. YOLOv9: Экспериментальная модель, обученная на кодовой базе YOLOv5 от Ultralytics, реализующая Programmable Gradient Information (PGI).
8. YOLOv10: Разработана Университетом Цинхуа, отличается обучением без NMS и архитектурой, ориентированной на эффективность и точность, обеспечивая передовую производительность и минимальную задержку.
9. YOLO11: Модели YOLO от Ultralytics, обеспечивающие высокую производительность при выполнении различных задач, включая обнаружение, сегментацию, оценку позы, отслеживание и классификацию.
10. YOLO26 🚀 NEW: Последняя модель YOLO нового поколения от Ultralytics, оптимизированная для развертывания на периферийных устройствах с поддержкой сквозного инференса без NMS.
11. Segment Anything Model (SAM): Оригинальная модель Segment Anything Model (SAM) от Meta.
12. Segment Anything Model 2 (SAM2): Следующее поколение модели Segment Anything Model от Meta для видео и изображений.
13. Segment Anything Model 3 (SAM3) 🚀 NEW: Третье поколение модели Segment Anything Model от Meta с поддержкой сегментации на основе концепций с подсказками (Promptable Concept Segmentation) для текстовых и образцовых сегментаций изображений.
14. Mobile Segment Anything Model (MobileSAM): MobileSAM для мобильных приложений от Университета Кёнхи.
15. Fast Segment Anything Model (FastSAM): FastSAM от группы анализа изображений и видео Института автоматизации Китайской академии наук.
16. YOLO-NAS: Модели YOLO Neural Architecture Search (NAS).
17. Real-Time Detection Transformers (RT-DETR): Модели реального времени Detection Transformer (RT-DETR) от PaddlePaddle (Baidu).
18. YOLO-World: Модели для обнаружения объектов с открытым словарем в реальном времени от Tencent AI Lab.
19. YOLOE: Улучшенный детектор объектов с открытым словарем, который сохраняет производительность YOLO в реальном времени, обнаруживая произвольные классы за пределами своих обучающих данных.

Начало работы: примеры использования

Этот пример содержит простые примеры обучения и инференса YOLO. Для получения полной документации по этим и другим режимам ознакомься со страницами Predict, Train, Val и Export.

Обрати внимание, что в примере ниже освещаются модели YOLO11 Detect для обнаружения объектов. Дополнительные поддерживаемые задачи смотри в документации Segment, Classify и Pose.

from ultralytics import YOLO

# Load a COCO-pretrained YOLO26n model
model = YOLO("yolo26n.pt")

# Display model information (optional)
model.info()

# Train the model on the COCO8 example dataset for 100 epochs
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Run inference with the YOLO26n model on the 'bus.jpg' image
results = model("path/to/bus.jpg")

Вклад в разработку новых моделей

Хочешь добавить свою модель в Ultralytics? Отлично! Мы всегда открыты для расширения нашего портфеля моделей.

1. Сделай форк репозитория: Начни с форка репозитория Ultralytics на GitHub.

2. Клонируй свой форк: Клонируй свой форк на локальный компьютер и создай новую ветку для работы.

3. Реализуй свою модель: Добавь свою модель, следуя стандартам кодирования и рекомендациям, представленным в нашем Руководстве по внесению вклада.

4. Тщательно протестируй: Обязательно тщательно протестируй свою модель как в изоляции, так и в составе конвейера.

5. Создай Pull Request: Когда будешь доволен своей моделью, создай Pull Request в основной репозиторий для проверки.

6. Проверка кода и слияние: После проверки, если твоя модель соответствует нашим критериям, она будет объединена с основным репозиторием.

Подробные шаги описаны в нашем Руководстве по внесению вклада.

Часто задаваемые вопросы (FAQ)

Какая последняя модель Ultralytics YOLO?

Последняя модель Ultralytics YOLO — это YOLO26, выпущенная в январе 2026 года. YOLO26 поддерживает сквозной инференс без NMS, оптимизированное развертывание на периферийных устройствах, а также обнаружение, сегментацию экземпляров, семантическую сегментацию, классификацию, оценку позы, OBB и версии с открытым словарем. Для стабильных производственных рабочих нагрузок рекомендуются как YOLO26, так и YOLO11.

Как обучить модель YOLO на своих данных?

Обучение модели YOLO на своих данных легко выполняется с помощью библиотек Ultralytics. Вот краткий пример:

from ultralytics import YOLO

# Load a YOLO model
model = YOLO("yolo26n.pt")  # or any other YOLO model

# Train the model on custom dataset
results = model.train(data="custom_data.yaml", epochs=100, imgsz=640)

Более подробные инструкции можно найти на странице документации Train.

Какие версии YOLO поддерживаются Ultralytics?

Ultralytics поддерживает полный спектр версий YOLO (You Only Look Once) от YOLOv3 до YOLO26, а также такие модели, как YOLO-NAS, SAM и RT-DETR. Каждая версия оптимизирована для различных задач, таких как обнаружение, сегментация, семантическая сегментация и классификация. Для получения подробной информации о каждой модели обратись к документации Models Supported by Ultralytics.

Почему стоит использовать платформу Ultralytics для проектов по машинному обучению?

Платформа Ultralytics предоставляет сквозную платформу без кода для обучения, развертывания и управления моделями YOLO. Она упрощает сложные рабочие процессы, позволяя пользователям сосредоточиться на производительности моделей и приложениях. HUB также предлагает возможности облачного обучения, комплексное управление наборами данных и удобные интерфейсы как для новичков, так и для опытных разработчиков.

Какие типы задач могут выполнять модели Ultralytics YOLO?

Модели Ultralytics YOLO универсальны и могут выполнять задачи, включая обнаружение объектов, сегментацию экземпляров, семантическую сегментацию, классификацию, оценку позы и ориентированное обнаружение объектов (OBB). Последняя модель, YOLO26, поддерживает все шесть задач плюс обнаружение с открытым словарем. Подробности о конкретных задачах смотри на страницах Task pages.