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

Link to this sectionTài liệu Ultralytics YOLO#

Ultralytics YOLO là một họ các mô hình thị giác máy tính thời gian thực dành cho phát hiện đối tượng, phân đoạn thực thể, phân đoạn ngữ nghĩa, phân loại, ước tính tư thế, hộp bao quanh định hướng và theo dõi, có sẵn thông qua một gói Python và CLI. YOLO26 được xây dựng dựa trên những tiến bộ về học sâu và thị giác máy tính, nổi bật với khả năng suy luận end-to-end không cần NMS và triển khai tối ưu trên thiết bị biên. Thiết kế tinh gọn giúp nó phù hợp với nhiều ứng dụng khác nhau và dễ dàng thích ứng với các nền tảng phần cứng khác nhau, từ thiết bị biên đến các API đám mây. Đối với khối lượng công việc sản xuất ổn định, cả YOLO26 và YOLO11 đều được khuyến nghị sử dụng.

Khám phá Tài liệu Ultralytics, một nguồn tài nguyên toàn diện bao gồm gói YOLO và CLI cũng như Nền tảng Ultralytics, bổ sung các tính năng chú thích dữ liệu, huấn luyện trên đám mây và triển khai dựa trên cùng các mô hình này. Cho dù bạn là một chuyên gia học máy dày dạn kinh nghiệm hay người mới bắt đầu trong lĩnh vực này, trung tâm này nhằm mục đích giúp bạn tận dụng tối đa YOLO trong các dự án của mình.

Yêu cầu Giấy phép Doanh nghiệp cho mục đích thương mại tại Ultralytics Licensing.

Link to this sectionBắt đầu với Hai câu lệnh#

# 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'

Trọng số mô hình và hình ảnh ví dụ sẽ tự động tải xuống, và kết quả được chú thích sẽ được lưu vào runs/detect/predict.

Xem hướng dẫn Quickstart để biết đầy đủ thông tin về cài đặt và cách sử dụng.

Link to this sectionBạn muốn làm gì?#

Link to this sectionCác tài liệu này được tổ chức như thế nào#

Hầu hết các câu lệnh yolo trong quy trình làm việc của mô hình đều tuân theo một ngữ pháp chung: yolo [TASK] MODE ARGS, trong đó Task là tùy chọn, và các tài liệu này được tổ chức xoay quanh ba phần tương tự, cộng thêm một phím tắt:

• Task trả lời cho câu hỏi bạn muốn gì từ một hình ảnh: detection, instance segmentation, semantic segmentation, classification, pose estimation, hoặc oriented boxes.
• Mode trả lời cho câu hỏi bạn sử dụng model như thế nào: train, validate, predict, export, track, hoặc benchmark.
• Args cấu hình câu lệnh, từ việc chọn mô hình nào để chạy với model= cho đến các siêu tham số như epochs và imgsz.
• Solutions là phím tắt: một ứng dụng hoàn chỉnh, chẳng hạn như đếm đối tượng hoặc báo động an ninh, bỏ qua hoàn toàn Task và Mode.

Mọi thứ khác đều hỗ trợ ngữ pháp đó: Models liệt kê mọi kiến trúc bạn có thể truyền vào model= — YOLO26, YOLO11, SAM 3, RT-DETR, và nhiều hơn nữa — Datasets cung cấp những gì mỗi Task dùng để huấn luyện, Guides là một bộ sưu tập rộng lớn các bài hướng dẫn chi tiết bao gồm triển khai phần cứng, điều chỉnh siêu tham số, chuyển đổi tập dữ liệu và hướng dẫn toàn bộ dự án, Integrations kết nối quy trình làm việc với các công cụ huấn luyện và triển khai bạn đang sử dụng, và phần Reference ghi lại mọi lớp và hàm trong API Python.

Ngoài gói Python, còn có hai nền tảng khác chạy trên cùng các mô hình này: Nền tảng Ultralytics cho việc chú thích trên đám mây, huấn luyện và triển khai, và Ultralytics Inference, một thư viện Rust độc lập và CLI để chạy các mô hình đã xuất mà không cần môi trường chạy Python.

Link to this sectionGiấy phép YOLO: Ultralytics YOLO được cấp phép như thế nào?#

Ultralytics cung cấp hai tùy chọn cấp phép để đáp ứng các trường hợp sử dụng đa dạng:

• Giấy phép AGPL-3.0: Giấy phép mã nguồn mở được OSI phê duyệt này rất lý tưởng cho sinh viên và những người đam mê, thúc đẩy hợp tác mở và chia sẻ kiến thức. Xem tệp LICENSE để biết thêm chi tiết.
• Giấy phép Doanh nghiệp: Đối với mục đích phát triển và sản xuất, giấy phép này cho phép tích hợp liền mạch phần mềm và các mô hình AI của Ultralytics vào các sản phẩm và dịch vụ kinh doanh, bao gồm công cụ nội bộ, quy trình làm việc tự động và triển khai sản xuất, bỏ qua các yêu cầu mã nguồn mở của AGPL-3.0. Để bắt đầu, vui lòng liên hệ với chúng tôi qua Cấp phép Ultralytics.

Chiến lược cấp phép của chúng tôi được thiết kế để đảm bảo rằng bất kỳ cải tiến nào đối với các dự án mã nguồn mở của chúng tôi đều được trả lại cho cộng đồng. Chúng tôi tin tưởng vào mã nguồn mở và sứ mệnh của chúng tôi là đảm bảo rằng các đóng góp của chúng tôi có thể được sử dụng và mở rộng theo những cách mang lại lợi ích cho mọi người.

Link to this sectionCâu hỏi thường gặp#

Link to this sectionUltralytics YOLO là gì và nó cải thiện object detection như thế nào?#

Ultralytics YOLO là dòng YOLO (You Only Look Once) được đánh giá cao cho object detection và image segmentation thời gian thực. Model mới nhất, YOLO26, được xây dựng dựa trên các phiên bản trước bằng cách giới thiệu suy luận end-to-end không cần NMS và triển khai tối ưu trên thiết bị biên. YOLO hỗ trợ nhiều vision AI tasks như detection, instance segmentation, semantic segmentation, pose estimation, tracking và classification. Kiến trúc hiệu quả của nó đảm bảo tốc độ và độ chính xác tuyệt vời, giúp nó phù hợp với nhiều ứng dụng đa dạng, bao gồm thiết bị biên và API đám mây.

Link to this sectionLàm thế nào để bắt đầu cài đặt và thiết lập YOLO?#

Việc bắt đầu với YOLO rất nhanh chóng và đơn giản. Cài đặt gói Ultralytics từ pip với pip install ultralytics, sau đó chạy dự đoán đầu tiên của bạn với yolo predict model=yolo26n.pt — trọng số mô hình sẽ tự động tải xuống. Để có hướng dẫn đầy đủ bao gồm conda, Docker và cài đặt từ mã nguồn, hãy truy cập trang Quickstart.

Link to this sectionLàm thế nào để huấn luyện một model YOLO tùy chỉnh trên tập dữ liệu của tôi?#

Việc huấn luyện một model YOLO tùy chỉnh trên tập dữ liệu của bạn bao gồm một vài bước chi tiết:

1. Chuẩn bị tập dữ liệu đã chú thích của bạn và mô tả nó trong một tệp YAML tập dữ liệu.
2. Tải một mô hình tiền huấn luyện, ví dụ YOLO("yolo26n.pt") trong Python.
3. Bắt đầu huấn luyện với model.train(data="path/to/dataset.yaml", epochs=100, imgsz=640), hoặc từ dòng lệnh với yolo detect train data=path/to/dataset.yaml epochs=100 imgsz=640.

Để có hướng dẫn chi tiết, hãy xem hướng dẫn Train a Model của chúng tôi, bao gồm các ví dụ và mẹo để tối ưu hóa quy trình huấn luyện của bạn.

Link to this sectionCác tùy chọn cấp phép nào có sẵn cho Ultralytics YOLO?#

Ultralytics cung cấp hai tùy chọn cấp phép cho YOLO:

• Giấy phép AGPL-3.0: Giấy phép mã nguồn mở này lý tưởng cho mục đích giáo dục và phi thương mại, thúc đẩy hợp tác mở.
• Giấy phép Doanh nghiệp: Dành cho mục đích phát triển và sản xuất, bao gồm các công cụ nội bộ, quy trình tự động và triển khai sản xuất, bỏ qua các yêu cầu mã nguồn mở của AGPL-3.0.

Để biết thêm chi tiết, hãy truy cập trang Licensing của chúng tôi.

Link to this sectionUltralytics YOLO có thể được sử dụng để theo dõi đối tượng thời gian thực như thế nào?#

Ultralytics YOLO hỗ trợ theo dõi đa đối tượng hiệu quả và có thể tùy chỉnh. Gọi YOLO("yolo26n.pt").track(source="path/to/video.mp4") trong Python, hoặc chạy yolo track source=path/to/video.mp4 từ dòng lệnh — cả hai đều hoạt động với tệp video, luồng trực tiếp và đầu vào webcam. Để có hướng dẫn chi tiết về việc thiết lập và chạy theo dõi đối tượng, hãy xem tài liệu Track Mode của chúng tôi, giải thích về cấu hình và các ứng dụng thực tế trong các tình huống thời gian thực.