中文 · 한국어 · 日本語 · Русский · Deutsch · Français · Español · Português · Türkçe · Tiếng Việt · العربية
Tài liệu Ultralytics YOLO#
Ultralytics YOLO là dòng mô hình thị giác máy tính thời gian thực dành cho phát hiện đối tượng, phân đoạn thực thể, phân đoạn ngữ nghĩa, ước tính độ sâu, phân loại, ước tính tư thế, hộp giới hạn định hướng và theo dõi, có sẵn thông qua một gói Python và CLI duy nhất. YOLO26 được xây dựng dựa trên các tiến bộ về học sâu và thị giác máy tính, nổi bật với khả năng suy luận đầu cuối không cần NMS và triển khai tối ưu trên biên. Thiết kế tinh gọn giúp mô hình 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 API đám mây. Đối với khối lượng công việc sản xuất ổn định, cả YOLO26 và YOLO11 đều được khuyến nghị.
Khám phá Tài liệu Ultralytics, một tài nguyên toàn diện bao gồm gói YOLO và CLI cũng như Ultralytics Platform, tính năng bổ sung chú thích dữ liệu, huấn luyện trên đám mây và triển khai dựa trên các mô hình tương tự. Cho dù bạn là một lập trình viên học máy kỳ cựu hay mới bắt đầu làm quen với lĩnh vực này, những tài nguyên này sẽ giúp bạn tận dụng tối đa YOLO trong các dự án của mình.
Yêu cầu Giấy phép Doanh nghiệp để sử dụng thương mại tại Ultralytics Licensing.
Biến một bức ảnh đơn thành bản đồ độ sâu, khoảng cách tính bằng mét cho mỗi pixel.
Bắt 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 được tải xuống tự động, và kết quả đã chú thích được lưu vào runs/detect/predict.
Xem hướng dẫn Quickstart để tham khảo đầy đủ về cách cài đặt và sử dụng.
Bạn muốn làm gì?#
Tinh chỉnh một mô hình YOLO26 tiền huấn luyện trên tập dữ liệu của riêng bạn, điều chỉnh tăng cường và siêu tham số cho việc huấn luyện đa GPU
Tải một mô hình tiền huấn luyện và nhận các hộp bao quanh, mặt nạ hoặc điểm chính chỉ trong vài dòng Python hoặc một câu lệnh CLI duy nhất
Theo dõi đối tượng qua các khung hình video với ID ổn định sử dụng BoT-SORT hoặc ByteTrack, được tích hợp sẵn trong pipeline dự đoán của YOLO26
Các ứng dụng thị giác có sẵn cho việc đếm đối tượng, bản đồ nhiệt, quản lý hàng đợi, báo động an ninh và bài tập luyện, không yêu cầu huấn luyện
Xuất các mô hình đã huấn luyện sang ONNX, TensorRT hoặc OpenVINO để suy luận nhanh trên các thiết bị biên, phần cứng di động và máy chủ đám mây
So sánh YOLO26, YOLO11, SAM 3, RT-DETR và mọi kiến trúc được hỗ trợ khác theo tốc độ, độ chính xác và trường hợp sử dụng
Tra cứu các lớp, hàm và chữ ký phương thức cho API Python, được tạo tự động từ mã nguồn trong mỗi bản phát hành mới
Họ mô hình mới nhất của Ultralytics cung cấp khả năng suy luận end-to-end không cần NMS với sự cân bằng độ chính xác-độ trễ được cải thiện so với YOLO11
Các tài liệu này được tổ chức như thế nào#
Hầu hết các lệnh quy trình làm việc của mô hình yolo tuân theo một cú pháp, yolo [TASK] MODE ARGS, trong đó Task là tùy chọn và các tài liệu này được sắp xếp xung quanh ba phần giống nhau, cộng với một phím tắt:
- Task trả lời cho câu hỏi bạn muốn gì từ một hình ảnh: detection, instance segmentation, semantic segmentation, depth estimation, classification, pose estimation, hoặc oriented boxes.
- Mode trả lời cho câu hỏi bạn sử dụng mô hình như thế nào: train, validate, predict, export, track, hoặc benchmark.
- Args định cấu hình lệnh, từ model nào cần chạy với
model=cho đến các siêu tham số nhưepochsvàimgsz. - Solutions là phím tắt: một ứng dụng hoàn chỉnh, chẳng hạn như đếm đối tượng hoặc báo động bảo mật, bỏ qua hoàn toàn Task và Mode.
Mọi thứ khác đều hỗ trợ cú 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 dữ liệu mà mỗi Task dùng để huấn luyện, Guides là một bộ sưu tập phong phú các hướng dẫn chi tiết trải dài từ triển khai phần cứng, tinh chỉnh siêu tham số, chuyển đổi tập dữ liệu cho đến các hướng dẫn hoàn chỉnh về dự án, Integrations kết nối pipeline với các công cụ huấn luyện và triển khai mà bạn đang sử dụng, và phần Reference ghi chép lại mọi lớp và hàm trong Python API.
Ngoài gói Python, còn có hai bề mặt khác chạy trên cùng các mô hình: Ultralytics Platform dùng để chú thích, huấn luyện và triển khai trên đám mây, và Ultralytics Inference, một thư viện Rust độc lập và CLI để chạy các mô hình đã xuất mà không cần môi trường thực thi Python.
Giấy 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 phê duyệt bởi OSI này rất lý tưởng cho sinh viên và những người đam mê, thúc đẩy sự hợp tác mở và chia sẻ kiến thức. Xem tệp LICENSE để biết thêm chi tiết.
- Giấy phép Doanh nghiệp: Dành cho việc phát triển và sử dụng trong sản xuất, giấy phép này cho phép tích hợp liền mạch phần mềm Ultralytics và các mô hình AI vào các sản phẩm và dịch vụ kinh doanh, bao gồm các công cụ nội bộ, quy trình tự động và việc triển khai trong môi trường 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 Ultralytics Licensing.
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.
Câu hỏi thường gặp#
Ultralytics YOLO là gì và nó cải thiện object detection như thế nào?#
Ultralytics YOLO là dòng YOLO (You Only Look Once) nổi tiếng dành cho phát hiện đối tượng và phân đoạn hình ảnh thời gian thực. Mô hình mới nhất, YOLO26, được phát triển dựa trên các phiên bản trước bằng cách giới thiệu tính năng suy luận đầu cuối không cần NMS và triển khai tối ưu trên biên. YOLO hỗ trợ nhiều tác vụ AI thị giác như detection, instance segmentation, semantic segmentation, depth estimation, classification, pose estimation, và tracking. Kiến trúc hiệu quả của mô hình đảm bảo tốc độ và độ chính xác xuất sắc, giúp mô hình phù hợp với nhiều ứng dụng đa dạng, bao gồm các thiết bị biên và API đám mây.
Làm thế nào để bắt đầu cài đặt và thiết lập YOLO?#
Bắt đầu với YOLO rất nhanh chóng và đơn giản. Cài đặt gói Ultralytics từ pip bằng pip install ultralytics, sau đó chạy dự đoán đầu tiên của bạn bằng yolo predict model=yolo26n.pt — trọng số mô hình sẽ được tải xuống tự động. Để có hướng dẫn toàn diện bao gồm conda, Docker và cài đặt từ mã nguồn, hãy truy cập trang Quickstart.
Làm 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:
- Chuẩn bị tập dữ liệu đã chú thích của bạn và mô tả nó trong một tệp YAML tập dữ liệu.
- Tải một mô hình đã được huấn luyện trước, ví dụ
YOLO("yolo26n.pt")trong Python. - Bắt đầu huấn luyện với
model.train(data="path/to/dataset.yaml", epochs=100, imgsz=640), hoặc từ dòng lệnh vớiyolo detect train data=path/to/dataset.yaml epochs=100 imgsz=640.
Để có hướng dẫn chi tiết từng bước, hãy xem hướng dẫn Train a Model của chúng tôi, bao gồm các ví dụ và mẹo để tối ưu hóa quá trình huấn luyện của bạn.
Các 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.
Ultralytics YOLO có thể được sử dụng để theo dõi đối tượng thời gian thực như thế nào?#
Ultralytics YOLO hỗ trợ tính năng 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 cách thiết lập và chạy tính năng theo dõi đối tượng, hãy xem tài liệu Track Mode của chúng tôi, nơi giải thích cấu hình và các ứng dụng thực tế trong các tình huống thời gian thực.
