Платформа Ultralytics#

Платформа Ultralytics — комплексная сквозная платформа компьютерного зрения, которая упрощает весь процесс машинного обучения: от подготовки данных до развёртывания модели. Она создана для команд и отдельных специалистов, которым нужны готовые к эксплуатации решения в области компьютерного зрения без сложной инфраструктуры.

Что такое платформа Ultralytics?#

Платформа Ultralytics объединяет управление наборами данных и их аннотирование, отслеживание экспериментов, облачное и удалённое обучение, экспорт моделей, выделенные конечные точки инференса и мониторинг развёртывания в одной рабочей среде. Платформа изначально поддерживает модели YOLO26, YOLO11, YOLOv8 и YOLOv5.

Рабочий процесс: загрузка → аннотирование → обучение → экспорт или развёртывание#

Платформа предлагает сквозной рабочий процесс:

graph LR
    subgraph Data["📁 Data"]
        A[Upload]:::start --> B[Annotate]:::proc
    end
    subgraph Train["🚀 Train"]
        D[Configure]:::proc --> E[Train on GPU]:::proc
        E --> F[View Metrics]:::out
    end
    subgraph Deploy["🌐 Export or Deploy"]
        G[Export]:::proc
        H[Deploy Endpoint]:::proc --> I[Monitor]:::out
    end
    Data --> Train
    E --> G
    E --> H

    classDef start fill:#4CAF50,color:#fff
    classDef proc fill:#2196F3,color:#fff
    classDef out fill:#9C27B0,color:#fff

Что можно делать:

• Загружать изображения, видео и файлы наборов данных для создания обучающих наборов данных
• Визуализировать аннотации с помощью интерактивных наложений для 6 типов задач YOLO, поддерживаемых редактором аннотаций (см. поддерживаемые типы задач)
• Обучать модели на облачных GPU (24 на всех тарифах, 26 в тарифах Pro или Enterprise с B200 и B300) и отслеживать метрики в реальном времени
• Экспорт в 22 формата развертывания (ONNX, TensorRT, CoreML, LiteRT, Hailo, Ascend и др.)
• Развёртывать модели в 42 регионах по всему миру, создавая выделенные конечные точки одним нажатием
• Создавать рабочие процессы Agents, объединяющие модели, условия, сбор наборов данных, оповещения Slack и вебхуки
• Отслеживать ход обучения, состояние развёртываний и метрики использования
• Подключать облачные хранилища, инструменты аннотирования и Slack через интеграции
• Сотрудничать, открывая проекты и наборы данных для сообщества

Мультирегиональная инфраструктура#

Твои данные остаются в выбранном регионе. Платформа Ultralytics использует инфраструктуру в трёх регионах мира:

Во время регистрации выбери регион для своих данных. Наборы данных, модели и данные управляемого обучения хранятся в этом регионе. Выделенные конечные точки развёртываются отдельно в регионе, который ты выберешь на глобальной карте развёртывания.

Основные особенности#

Подготовка данных#

• Управление наборами данных: создавай наборы данных из локальных файлов, по URL, из подключённого облачного хранилища или с локального сервера; обработка выполняется автоматически
• Редактор аннотаций: инструменты ручного аннотирования для 6 типов задач YOLO (обнаружение объектов, сегментация, семантическая сегментация, классификация, оценка позы, OBB; см. поддерживаемые типы задач)
• Шаблоны скелетов: встроенные шаблоны (человек, кисть, собака, лицо, коробка) и пользовательские шаблоны скелетов для аннотирования позы одним нажатием
• Интеллектуальное аннотирование: используй SAM 2.1 (Tiny, Small, Base, Large), SAM 3 или SAM 3.1 (по умолчанию) на панели инструментов аннотирования для задач обнаружения объектов, сегментации, семантической сегментации и OBB; предварительно обученные модели Ultralytics YOLO и собственные дообученные модели YOLO — для этих задач и оценки позы; либо модели с подсказками классов для наборов данных обнаружения объектов с 1–200 классами: шесть размещённых моделей с открытым исходным кодом (по умолчанию Moondream 3.1), размещённые SAM 3 и SAM 3.1 с текстовыми подсказками или платные модели компьютерного зрения от OpenAI, Anthropic, Google, Meta, SpaceXAI, DeepSeek, Z.ai, Kimi и Xiaomi MiMo с ключом провайдера из раздела Настройки > Ключи API
• Версионирование наборов данных: создавай нумерованные снимки NDJSON с описаниями, а затем скачивай или восстанавливай любую версию для воспроизводимого обучения
• Статистика: распределение классов и разделений, тепловые карты местоположений и анализ размеров ограничивающих рамок

graph LR
    A[Upload Dataset/Images/Video]:::start --> B[Auto-Process]:::proc
    B --> C[Browse & Filter]:::proc
    C --> D{Annotate}:::decide
    D --> E[Manual Tools]:::proc
    D --> F[SAM Smart]:::proc
    D --> G[YOLO Auto-Label]:::proc
    E --> H[Train-Ready Dataset]:::out
    F --> H
    G --> H

    classDef start fill:#4CAF50,color:#fff
    classDef proc fill:#2196F3,color:#fff
    classDef decide fill:#FF9800,color:#fff
    classDef out fill:#9C27B0,color:#fff

Обучение моделей#

• Облачное обучение: обучай модели на облачных GPU (24 на всех тарифах, 26 в тарифах Pro или Enterprise с B200 и B300), отслеживая метрики в реальном времени и текущую оценку стоимости
• Удалённое обучение: обучай модели где угодно и передавай метрики в платформу Ultralytics
• Расширенные настройки: переопределяй любой аргумент обучения Ultralytics во встроенном YAML-редакторе в диалоговом окне обучения
• Организация проектов: объединяй связанные модели, сравнивай эксперименты и отслеживай активность
• 22 формата экспорта: ONNX, TensorRT, CoreML, LiteRT, Hailo, Ascend и другие (смотри поддерживаемые форматы)

Модели можно обучать через веб-интерфейс (облачное обучение) или на собственном компьютере (удалённое обучение):

Развёртывание#

• Тестирование инференса: проверяй модели прямо в браузере на собственных изображениях, снимках с веб-камеры или встроенных примерах
• Выделенные конечные точки: развёртывай модели в 42 регионах мира; по умолчанию используется масштабирование до нуля (один активный экземпляр)
• Мониторинг: метрики в реальном времени, журналы запросов и панели производительности

graph LR
    A[Trained Model]:::start --> B{Action}:::decide
    B --> C[Browser Predict]:::proc
    B --> D[Export Format]:::proc
    B --> E[Deploy Endpoint]:::proc
    D --> F[ONNX / TensorRT / CoreML / LiteRT / ...]:::out
    E --> G[42 Global Regions]:::proc
    G --> H[API Endpoint URL]:::proc
    H --> I[Monitor & Scale]:::out

    classDef start fill:#4CAF50,color:#fff
    classDef proc fill:#2196F3,color:#fff
    classDef decide fill:#FF9800,color:#fff
    classDef out fill:#9C27B0,color:#fff

После развертывания вызывай свою конечную точку из любого языка. conf, iou и imgsz — необязательные поля формы, значения по умолчанию для которых: 0.25, 0.7 и размер обучающих изображений модели (640, если он недоступен):

import requests

url = "https://your-deployment-url.run.app/predict"
api_key = "YOUR_API_KEY"
args = {"conf": 0.25, "iou": 0.7, "imgsz": 640}

with open("image.jpg", "rb") as f:
    response = requests.post(
        url,
        headers={"Authorization": f"Bearer {api_key}"},
        data=args,
        files={"file": f},
    )

print(response.json())

Управление аккаунтом#

• Команды и организации: взаимодействуй с участниками команды, управляй ролями и приглашениями, а также переключай рабочие пространства в меню аккаунта
• Ключи API: безопасное управление ключами для удалённого обучения и доступа к API
• Кредиты и оплата: обучение с оплатой по факту использования, прозрачные цены и пополнение на сумму от $5 до $1,000
• Лента активности: отслеживай все события и действия в аккаунте
• Корзина и восстановление: мягкое удаление с возможностью восстановить элементы в течение 30 дней
• Соответствие GDPR: экспорт данных и удаление аккаунта

Полезные ссылки#

Начни работу с помощью этих ресурсов:

• Быстрый старт: создай первый проект и обучи модель за несколько минут
• Изучить: просматривай и клонируй общедоступные наборы данных и проекты, а также ищи изображения по их содержимому
• Данные: обзор подготовки наборов данных
• Наборы данных: загружай наборы данных для обучения и управляй ими
• Разметка: размечай данные вручную и с помощью инструментов на базе ИИ
• Обучение: обзор обучения
• Проекты: упорядочивай модели и эксперименты
• Модели: страницы моделей, загрузка и экспорт
• Облачное обучение: обучай модели на облачных GPU
• Развертывание: обзор развертывания
• Инференс: тестируй модели
• Конечные точки: развертывай модели в рабочей среде
• Мониторинг: отслеживай производительность развернутых моделей
• Аккаунт: обзор аккаунта
• Настройки: настройки профиля и рабочего пространства
• Команды: участники, роли и приглашения
• Ключи API: управление доступом к API
• Оплата: кредиты и платежи
• Активность: отслеживание событий в аккаунте
• Корзина: восстановление удалённых элементов
• Интеграции: облачное хранилище, инструменты разметки и Slack
• REST API: справочник API

Устранение неполадок#

Проблемы с наборами данных#

Проблемы с обучением#

Проблемы с развертыванием#

Часто задаваемые вопросы#

Часто задаваемые вопросы#