Các model được hỗ trợ bởi Ultralytics#
Chào mừng bạn đến với tài liệu mô hình của Ultralytics! Chúng tôi cung cấp hỗ trợ cho một loạt các mô hình, mỗi mô hình được tối ưu cho các tác vụ cụ thể như object detection, instance segmentation, semantic segmentation, depth estimation, image classification, pose estimation, và multi-object tracking. Nếu bạn quan tâm đến việc đóng góp kiến trúc mô hình của mình cho Ultralytics, hãy xem Contributing Guide của chúng tôi.
Các model nổi bật#
Bắt đầu với YOLO26 cho một dự án mới: đây là bản phát hành mới nhất của Ultralytics và là phiên bản duy nhất bao gồm cả bảy tác vụ. YOLO11 là giải pháp thay thế trưởng thành, với các checkpoint được huấn luyện sẵn cho từng tác vụ trong số năm tác vụ của nó. Chỉ chọn một họ chuyên biệt khi bạn cần phân đoạn có thể nhắc lệnh (SAM 3), phát hiện từ vựng mở (YOLOE, YOLO-World), hoặc một mô hình phát hiện transformer (RT-DETR).
Bảng này liệt kê mọi mô hình có tài liệu cùng với các tác vụ mà nó hỗ trợ, chế độ nào trong các chế độ train, val, predict and export mà Ultralytics hỗ trợ cho mô hình đó, và thời điểm nên chọn nó. Track không được liệt kê riêng: nó chạy dựa trên predict đối với các mô hình Detect, Segment, Pose và OBB, trong khi SAM 2 và SAM 3 theo dõi thông qua các trình dự đoán video của riêng chúng. Benchmark cũng không được liệt kê, vì nó bao bọc các thao tác export và val trên các định dạng thay vì tự bổ sung hỗ trợ riêng.
| Mô hình | Tác vụ | Các Chế độ (Modes) | Chọn nó cho |
|---|---|---|---|
| YOLO26 🚀 NEW | Detect, Segment, Semantic, Depth, Classify, Pose, OBB | Train, Val, Predict, Export | Các dự án mới: suy luận không cần NMS từ đầu đến cuối, triển khai tối ưu hóa cho edge, và phạm vi hỗ trợ tác vụ rộng nhất |
| YOLO12 | Detect, Segment, Classify, Pose, OBB | Train, Val, Predict, Export | Đánh giá bản phát hành tập trung vào attention của cộng đồng; trọng số huấn luyện trước chỉ bao gồm phát hiện |
| YOLO11 | Detect, Segment, Classify, Pose, OBB | Train, Val, Predict, Export | Khối lượng công việc sản xuất ổn định, với các checkpoint được huấn luyện sẵn cho mọi tác vụ mà nó 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 | Programmable Gradient Information (PGI), được triển khai trên cơ sở mã nguồn YOLOv5 của Ultralytics |
| YOLOv8 | Detect, Segment, Classify, Pose, OBB | Train, Val, Predict, Export | Các pipeline YOLOv8 hiện có và các tích hợp của bên thứ ba đã thiết lập |
| YOLOv7 | Detect | Dự đoán (Predict) | Chạy bản xuất YOLOv7 được huấn luyện từ nguồn ngoài: gói này dự đoán từ một mô hình ONNX hoặc TensorRT tương thích, không bao giờ từ checkpoint gốc |
| YOLOv6 | Detect | Train, Val, Predict, Export | Huấn luyện kiến trúc của Meituan từ tệp YAML của nó; Ultralytics không lưu trữ các checkpoint YOLOv6 .pt nào |
| YOLOv5 | Detect | Train, Val, Predict, Export | Các dự án Ultralytics cũ; các bản phát hành hiện tại tải các checkpoint YOLOv5u đã cập nhật |
| YOLOv4 | Không | Không | Chỉ mang tính chất tham khảo kiến trúc: mô hình Darknet gốc của Alexey Bochkovskiy không được gói này hỗ trợ |
| YOLOv3 | Detect | Train, Val, Predict, Export | Các dự án cũ dựa trên kiến trúc gốc của Joseph Redmon; các bản phát hành hiện tại tải các checkpoint YOLOv3u đã cập nhật |
| SAM 3 🚀 NEW | Segment | Dự đoán (Predict) | Phân đoạn khái niệm có thể nhắc lệnh của Meta trong hình ảnh và video, từ văn bản hoặc hình ảnh mẫu; sam3.pt yêu cầu phê duyệt quyền truy cập trên Hugging Face |
| SAM 2 | Segment | Dự đoán (Predict) | Phân đoạn có thể nhắc lệnh của Meta, theo dõi các đối tượng qua các khung hình video |
| SAM | Segment | Dự đoán (Predict) | Phân đoạn có thể nhắc lệnh ban đầu của Meta, bao gồm cả tính năng tự động chú thích |
| MobileSAM | Segment | Dự đoán (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 độ trễ của SAM là điểm nghẽn (Viện Hàn lâm Khoa học Trung Quốc) |
| YOLO-NAS | Detect | Val, Predict, Export | Các mô hình phát hiện được tối ưu hóa NAS của Deci, được giữ lại để suy luận và xuất; Deci không còn duy trì chúng sau khi thương vụ mua lại của NVIDIA diễn ra |
| RT-DETR | Detect | Train, Val, Predict, Export | Mô hình phát hiện DETR thời gian thực của Baidu: một backbone tích chập với một bộ mã hóa transformer lai |
| YOLO-World | Detect | Train, Val, Predict, Export | Phát hiện từ vựng mở từ các câu lệnh văn bản (Tencent AI Lab); việc xuất yêu cầu các checkpoint -worldv2 |
| YOLOE | Detect, Segment | Train, Val, Predict, Export | Phát hiện và phân đoạn từ vựng mở với suy luận bằng văn bản, trực quan hoặc không cần câu lệnh |
Watch: Run Ultralytics YOLO models in just a few lines of code.
Bắt đầu: Ví dụ về cách sử dụng#
Ví dụ này cung cấp các ví dụ huấn luyện và suy luận YOLO đơn giản. Để có tài liệu đầy đủ về các modes này và các chế độ khác, hãy xem các trang tài liệu Predict, Train, Val và Export.
Lưu ý rằng ví dụ dưới đây làm nổi bật các mô hình YOLO26 Detect dành cho object detection. Để biết các tác vụ được hỗ trợ bổ sung, hãy xem tài liệu về Segment, Semantic, Depth, Classify, Pose và OBB.
Các mô hình PyTorch đã được huấn luyện trước *.pt cũng như các tệp cấu hình *.yaml có thể được truyền vào các lớp YOLO(), SAM(), NAS() và RTDETR() để tạo một thể hiện mô hình 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 vào Ultralytics? Tuyệt vời! Chúng tôi luôn sẵn sàng mở rộng danh mục model của mình.
-
Fork the Repository: Bắt đầu bằng cách fork kho lưu trữ GitHub của Ultralytics.
-
Clone Fork của bạn: Clone fork của bạn về máy cục bộ và tạo một nhánh mới để làm việc.
-
Implement Your Model: Thêm mô hình của bạn theo các tiêu chuẩn mã hóa và hướng dẫn được cung cấp trong Contributing Guide của chúng tôi.
-
Kiểm tra kỹ lưỡng: Đảm bảo kiểm tra model của bạn một cách nghiêm ngặt, cả khi hoạt động độc lập lẫn khi là một phần của đường ống xử lý (pipeline).
-
Tạo Pull Request: Sau khi hài lòng với model của mình, hãy tạo một pull request về repository chính để được xem xét.
-
Code Review & Merging: Sau khi xem xét, nếu model của bạn đáp ứng các tiêu chí của chúng tôi, nó sẽ được hợp nhất (merge) vào repository chính.
Để biết các bước chi tiết, hãy tham khảo Contributing Guide của chúng tôi.
Câu hỏi thường gặp#
Mô hình YOLO mới nhất của Ultralytics là YOLO26, được phát hành vào tháng 1 năm 2026. YOLO26 có tính năng suy luận không cần NMS từ đầu đến cuối, triển khai edge được tối ưu hóa, và hỗ trợ phát hiện, phân đoạn thực thể, semantic segmentation, depth estimation, phân loại, ước lượng tư thế, và OBB cộng với các phiên bản từ vựng mở. Đối với các khối lượng công việc sản xuất ổn định, cả YOLO26 và YOLO11 đều là những lựa chọn được khuyến nghị.
Việc huấn luyện model YOLO trên dữ liệu tùy chỉnh có thể được thực hiện dễ dàng bằng cách sử dụng 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 biết thêm hướng dẫn chi tiết, hãy truy cập trang tài liệu Train.
Ultralytics hỗ trợ nguyên bản YOLOv3, YOLOv5, YOLOv6, YOLOv8, YOLOv9, YOLOv10, YOLO11, YOLO12 và YOLO26, cùng với họ SAM (SAM 3, SAM 2, SAM, MobileSAM và FastSAM), YOLO-NAS, RT-DETR, YOLO-World và YOLOE. Gói này không phát hành trọng số hay tệp YAML nào cho YOLOv4 hoặc YOLOv7: YOLOv4 được ghi lại tài liệu chỉ để tham khảo kiến trúc, trong khi YOLOv7 chạy dưới dạng mô hình ONNX hoặc TensorRT đã xuất. Xem phần Featured Models để biết các tác vụ và chế độ khả dụng cho từng mô hình.
Ultralytics Platform cung cấp một nền tảng không cần mã nguồn, từ đầu đến cuối để huấn luyện, triển khai và quản lý các mô hình YOLO. Nền tảng này đơn giản hóa các quy trình phức tạp, cho phép người dùng tập trung vào hiệu suất mô hình và ứng dụng. Nó cũng cung cấp khả năng huấn luyện trên đám mây, quản lý tập dữ liệu toàn diện, và giao diện thân thiện với người dùng cho cả người mới bắt đầu lẫn các lập trình viên có kinh nghiệm.
Các mô hình Ultralytics YOLO rất đa năng và có thể thực hiện các tác vụ bao gồm phát hiện đối tượng, phân đoạn thực thể, semantic segmentation, depth estimation, phân loại, ước lượng tư thế và phát hiện đối tượng có định hướng (OBB). Mô hình mới nhất, YOLO26, hỗ trợ cả bảy tác vụ cộng với phát hiện từ vựng mở. Để biết chi tiết về các tác vụ cụ thể, hãy tham khảo các Task pages.