Các model được Ultralytics hỗ trợ#
Chào mừng bạn đến với tài liệu về model của Ultralytics! Chúng tôi hỗ trợ nhiều model, mỗi model được tối ưu cho các tác vụ cụ thể như phát hiện đối tượng, phân đoạn instance, phân đoạn ngữ nghĩa, ước tính độ sâu, phân loại hình ảnh, ước tính tư thế và bounding box định hướng. Nếu bạn muốn đóng góp kiến trúc model của mình cho Ultralytics, hãy xem Hướng dẫn đóng góp.
Các model nổi bật#
Hãy bắt đầu dự án mới với YOLO26: đây là bản phát hành mới nhất của Ultralytics và là model duy nhất bao phủ cả bảy tác vụ. YOLO11 là lựa chọn thay thế đã成熟, với checkpoint pretrained cho cả năm tác vụ của model. Chỉ chọn một họ model chuyên biệt khi bạn cần phân đoạn có thể nhắc lệnh (SAM 3), phát hiện open-vocabulary (YOLOE, YOLO-World) hoặc detector dựa trên Transformer (RT-DETR).
YOLO27 đang trong giai đoạn R&D cuối cùng để chuẩn bị ra mắt vào cuối năm nay, chưa có ngày phát hành cụ thể. Hãy xem trước kiến trúc, bảy tác vụ dự kiến và các benchmark sơ bộ. Trọng số mô hình và hỗ trợ gói chưa khả dụng; hãy sử dụng YOLO26 cho các dự án hiện tại.
Bảng này liệt kê các mô hình đã phát hành và tài liệu tham khảo kiến trúc cùng với các tác vụ, chế độ train, val, predict và export được hỗ trợ, cùng các trường hợp sử dụng được đề xuất. Track không được liệt kê riêng: tính năng này chạy dựa trên predict đối với các mô hình Detect, Segment, Pose và OBB, trong khi SAM 2 và SAM 3 thực hiện track thông qua các bộ dự đoán video của riêng SAM 2 và SAM 3. Benchmark cũng không được liệt kê, vì tính năng này bao bọc export và val trên các định dạng thay vì tự thêm hỗ trợ.
| Model | Task | Mode | Chọn model này khi |
|---|---|---|---|
| YOLO26 🚀 MỚI | Detect, Segment, Semantic, Depth, Classify, Pose, OBB | Train, Val, Predict, Export | Dự án mới: suy luận không cần NMS tùy chọn, triển khai tối ưu hóa cho biên và độ bao phủ tác vụ rộng nhất |
| YOLO12 | Detect, Segment, Classify, Pose, OBB | Train, Val, Predict, Export | Benchmark bản phát hành cộng đồng tập trung vào attention; pretrained weights chỉ bao phủ phát hiện |
| YOLO11 | Detect, Segment, Classify, Pose, OBB | Train, Val, Predict, Export | Workload production ổn định, với pretrained checkpoint cho mọi tác vụ được hỗ trợ |
| YOLOv10 | Detect | Train, Val, Predict, Export | Nghiên cứu phát hiện không cần NMS từ Đại học Thanh Hoa |
| YOLOv9 | Detect, Segment | Train, Val, Predict, Export | Thông tin Gradient có thể lập trình (PGI), được triển khai trên codebase YOLOv5 của Ultralytics |
| YOLOv8 | Detect, Segment, Classify, Pose, OBB | Train, Val, Predict, Export | Các pipeline YOLOv8 hiện có và những tích hợp bên thứ ba đã được thiết lập |
| YOLOv7 | Detect | Predict | Chạy bản export YOLOv7 được train upstream: package dự đoán từ model ONNX hoặc TensorRT tương thích, không bao giờ từ checkpoint native |
| YOLOv6 | Detect | Train, Val, Predict, Export | Train kiến trúc của Meituan từ YAML của kiến trúc này; Ultralytics không cung cấp checkpoint YOLOv6 .pt |
| YOLOv5 | Detect | Train, Val, Predict, Export | Các dự án Ultralytics legacy; bản phát hành hiện tại tải checkpoint YOLOv5u đã cập nhật |
| YOLOv4 | Không có | Không có | Chỉ dùng để tham khảo kiến trúc: model native Darknet của Alexey Bochkovskiy không được package hỗ trợ |
| YOLOv3 | Detect | Train, Val, Predict, Export | Các dự án legacy dựa trên kiến trúc gốc của Joseph Redmon; bản phát hành hiện tại tải checkpoint YOLOv3u đã cập nhật |
| SAM 3 🚀 MỚI | Segment | Predict | Khái niệm phân đoạn theo câu lệnh của Meta trong hình ảnh và video, từ các mẫu văn bản hoặc hình ảnh; sam3.pt và SAM 3.1 sam3.1_multiplex.pt (hình ảnh) yêu cầu phê duyệt quyền truy cập trên Hugging Face |
| SAM 2 | Segment | Predict | Phân đoạn có thể nhắc lệnh của Meta, tracking đối tượng qua các frame video |
| SAM | Segment | Predict | Phân đoạn có thể nhắc lệnh nguyên bản của Meta, bao gồm auto-annotation |
| MobileSAM | Segment | Predict | Phân đoạn có thể nhắc lệnh trên thiết bị di động và các thiết bị hạn chế tài nguyên khác (Đại học Kyung Hee) |
| FastSAM | Segment | Val, Predict, Export | Phân đoạn có thể nhắc lệnh dựa trên CNN khi latency của SAM là bottleneck (Viện Hàn lâm Khoa học Trung Quốc) |
| YOLO-NAS | Detect | Val, Predict, Export | Các detector được tối ưu bằng NAS của Deci, được giữ lại để inference và export; Deci không còn duy trì chúng sau thương vụ NVIDIA mua lại |
| RT-DETR | Detect | Train, Val, Predict, Export | Detector DETR thời gian thực của Baidu: backbone convolutional với encoder Transformer hybrid |
| YOLO-World | Detect | Train, Val, Predict, Export | Phát hiện open-vocabulary từ prompt văn bản (Tencent AI Lab); export yêu cầu các checkpoint -worldv2 |
| YOLOE | Detect, Segment | Train, Val, Predict, Export | Phát hiện và phân đoạn open-vocabulary với inference bằng văn bản, hình ảnh hoặc không cần prompt |
Ultralytics cũng cung cấp LLM, một interface tương thích OpenAI dành cho các model ngôn ngữ lớn và thị giác, phục vụ việc hiểu văn bản và hình ảnh. Model này không có tác vụ hoặc chế độ riêng, nên không nằm trong bảng trên, nhưng có thể kết hợp với mọi pipeline YOLO và chạy với OpenAI cùng các cloud provider khác hoặc server on-prem hoàn toàn local.
Watch: Run Ultralytics YOLO models in just a few lines of code.
Bắt đầu: Ví dụ sử dụng#
Ví dụ này cung cấp các ví dụ đơn giản về train và inference YOLO. Để xem tài liệu đầy đủ về các chế độ này và những mode khác, hãy xem các trang tài liệu Predict, Train, Val và Export.
Lưu ý rằng ví dụ dưới đây tập trung vào các model YOLO26 Detect để phát hiện đối tượng. Để xem các tác vụ được hỗ trợ khác, hãy tham khảo tài liệu Segment, Semantic, Depth, Classify, Pose và OBB.
Các model *.pt pretrained PyTorch cũng như các file cấu hình *.yaml có thể được truyền vào các class YOLO(), SAM(), NAS() và RTDETR() để tạo một instance model trong Python:
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")Đóng góp model mới#
Bạn muốn đóng góp model của mình cho Ultralytics? Tuyệt vời! Chúng tôi luôn sẵn sàng mở rộng danh mục model.
-
Fork Repository: Bắt đầu bằng cách fork repository GitHub của Ultralytics.
-
Clone fork của bạn: Clone fork về máy local và tạo một branch mới để làm việc.
-
Triển khai model: Thêm model theo các tiêu chuẩn coding và hướng dẫn trong Hướng dẫn đóng góp.
-
Kiểm thử kỹ lưỡng: Đảm bảo kiểm thử model nghiêm ngặt, cả độc lập lẫn trong pipeline.
-
Tạo Pull Request: Khi hài lòng với model, hãy tạo pull request đến repository chính để được review.
-
Code Review và Merge: Sau khi review, nếu model đáp ứng tiêu chí, model sẽ được merge vào repository chính.
Để xem các bước chi tiết, hãy tham khảo Hướng dẫn đóng góp.
FAQ#
Mô hình Ultralytics YOLO phát hành mới nhất là YOLO26, ra mắt vào tháng 1 năm 2026. YOLO26 có tính năng suy luận đầu cuối không cần NMS tùy chọn, triển khai biên được tối ưu hóa, và hỗ trợ phát hiện, phân đoạn thực thể, phân đoạn ngữ nghĩa, ước tính độ sâu, phân loại, ước tính tư thế, và OBB cùng các phiên bản từ vựng mở. Đối với các khối lượng công việc sản xuất ổn định, cả YOLO26 và YOLO11 là những lựa chọn được khuyên dùng.
YOLO27 là dòng mô hình sắp ra mắt, hiện đang trong giai đoạn R&D cuối cùng. Dòng mô hình này chưa khả dụng và chưa có ngày phát hành cụ thể.
Có thể dễ dàng train model YOLO trên dữ liệu tùy chỉnh bằng các thư viện của Ultralytics. Dưới đây là một ví dụ nhanh:
Ví dụfrom 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)Để xem hướng dẫn chi tiết hơn, hãy truy cập trang tài liệu Train.
Ultralytics hỗ trợ native YOLOv3, YOLOv5, YOLOv6, YOLOv8, YOLOv9, YOLOv10, YOLO11, YOLO12 và YOLO26, cùng họ SAM (SAM 3, SAM 2, SAM, MobileSAM và FastSAM), YOLO-NAS, RT-DETR, YOLO-World và YOLOE. Package không phát hành weights hoặc YAML cho YOLOv4 hay YOLOv7: YOLOv4 chỉ được lập tài liệu để tham khảo kiến trúc, trong khi YOLOv7 chạy dưới dạng model ONNX hoặc TensorRT đã export. Xem Các model nổi bật để biết các tác vụ và chế độ khả dụng cho từng model.
Ultralytics Platform cung cấp một platform end-to-end, no-code để train, triển khai và quản lý các model YOLO. Platform đơn giản hóa các workflow phức tạp, giúp người dùng tập trung vào hiệu năng model và ứng dụng. Platform cũng cung cấp khả năng train trên cloud, tính năng quản lý dataset toàn diện và interface thân thiện cho cả người mới bắt đầu lẫn developer có kinh nghiệm.
Các model YOLO của Ultralytics rất linh hoạt và có thể thực hiện các tác vụ như phát hiện đối tượng, phân đoạn instance, phân đoạn ngữ nghĩa, ước tính độ sâu, phân loại, ước tính tư thế và phát hiện đối tượng định hướng (OBB). Model mới nhất, YOLO26, hỗ trợ cả bảy tác vụ cùng phát hiện open-vocabulary. Để biết chi tiết về từng tác vụ, hãy tham khảo các trang Tác vụ.