Chuyển đến nội dung

Các mô hình được Ultralytics hỗ trợ

Chào mừng đến với tài liệu về mô hình của Ultralytics! Chúng tôi hỗ trợ nhiều loại mô hình, mỗi mô hình được điều chỉnh cho các tác vụ cụ thể như phát hiện đối tượng, phân đoạn thể hiện, phân loại hình ảnh, ước tính tư thế và theo dõi đa đối tượng. Nếu bạn quan tâm đến việc đóng góp kiến trúc mô hình của mình cho Ultralytics, hãy xem Hướng dẫn đóng góp của chúng tôi.

Biểu đồ so sánh Ultralytics YOLO11

Dưới đây là một số mô hình chính được hỗ trợ:

  1. YOLOv3: Phiên bản thứ ba của dòng mô hình YOLO, ban đầu được phát triển bởi Joseph Redmon, nổi tiếng với khả năng phát hiện đối tượng theo thời gian thực hiệu quả.
  2. YOLOv4: Bản cập nhật gốc darknet cho YOLOv3, được phát hành bởi Alexey Bochkovskiy vào năm 2020.
  3. YOLOv5: Một phiên bản cải tiến của kiến trúc YOLO bởi Ultralytics, cung cấp hiệu suất và tốc độ tốt hơn so với các phiên bản trước.
  4. YOLOv6: Được Meituan phát hành vào năm 2022 và được sử dụng trong nhiều robot giao hàng tự động của công ty.
  5. YOLOv7: Các mô hình YOLO được cập nhật, phát hành năm 2022 bởi các tác giả của YOLOv4. Chỉ hỗ trợ inference.
  6. YOLOv8: Một mô hình đa năng với các khả năng nâng cao như phân vùng thể hiện (instance segmentation), ước tính tư thế/điểm chính và phân loại.
  7. YOLOv9: Một mô hình thử nghiệm được huấn luyện trên codebase YOLOv5 Ultralytics, triển khai Thông tin Gradient Có thể Lập trình (PGI).
  8. YOLOv10: Được phát triển bởi Đại học Thanh Hoa, nổi bật với huấn luyện không cần NMS và kiến trúc hướng đến hiệu quả-độ chính xác, mang lại hiệu suất và độ trễ hàng đầu.
  9. YOLO11: Các mô hình YOLO của Ultralytics mang lại hiệu suất cao trên nhiều tác vụ bao gồm detection, segmentation, ước tính tư thế, tracking và phân loại.
  10. YOLO26 🚀 MỚI: Mô hình YOLO thế hệ tiếp theo mới nhất của Ultralytics được tối ưu hóa cho triển khai biên với suy luận end-to-end không NMS.
  11. Segment Anything Model (SAM): Segment Anything Model (SAM) gốc của Meta.
  12. Segment Anything Model 2 (SAM2): Thế hệ tiếp theo của Segment Anything Model của Meta dành cho video và hình ảnh.
  13. Mô hình Segment Anything 3 (SAM3) 🚀 MỚI: Mô hình Segment Anything thế hệ thứ ba của Meta với Promptable Concept Segmentation để segment dựa trên ví dụ văn bản và hình ảnh.
  14. Mobile Segment Anything Model (MobileSAM): MobileSAM cho các ứng dụng di động, được phát triển bởi Đại học Kyung Hee.
  15. Fast Segment Anything Model (FastSAM): FastSAM được phát triển bởi Nhóm Phân tích Hình ảnh & Video, Viện Tự động hóa, Học viện Khoa học Trung Quốc.
  16. YOLO-NAS: Các mô hình YOLO Tìm kiếm Kiến trúc Mạng nơ-ron (NAS).
  17. Real-Time Detection Transformers (RT-DETR): Mô hình PaddlePaddle real-time Detection Transformer (RT-DETR) của Baidu.
  18. YOLO-World: Mô hình phát hiện đối tượng từ vựng mở theo thời gian thực từ Tencent AI Lab.
  19. YOLOE: Một trình phát hiện đối tượng từ vựng mở được cải tiến, duy trì hiệu suất thời gian thực của YOLO đồng thời phát hiện các lớp tùy ý vượt ra ngoài dữ liệu huấn luyện của nó.



Xem: Chạy các mô hình Ultralytics YOLO chỉ với một vài dòng code.

Bắt đầu: Ví dụ sử dụng

Ví dụ này cung cấp các ví dụ đơn giản về huấn luyện và suy luận YOLO. Để có đầy đủ tài liệu về các chế độ này và các chế độ khác, hãy xem các trang tài liệu Predict, Train, Val và Export.

Lưu ý ví dụ dưới đây làm nổi bật các mô hình YOLO11 Detect cho phát hiện đối tượng. Để biết thêm các tác vụ được hỗ trợ, hãy xem tài liệu về Segment, Classify và Pose.

Ví dụ

PyTorch đã được huấn luyện trước *.pt các mô hình cũng như cấu hình *.yaml các tệp có thể được chuyển đến YOLO(), SAM(), NAS() và RTDETR() các class 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")

Các lệnh CLI có sẵn để chạy trực tiếp các mô hình:

# Load a COCO-pretrained YOLO26n model and train it on the COCO8 example dataset for 100 epochs
yolo train model=yolo26n.pt data=coco8.yaml epochs=100 imgsz=640

# Load a COCO-pretrained YOLO26n model and run inference on the 'bus.jpg' image
yolo predict model=yolo26n.pt source=path/to/bus.jpg

Đóng góp các mô hình mới

Bạn muốn đóng góp mô hình của mình cho Ultralytics? Tuyệt vời! Chúng tôi luôn sẵn sàng mở rộng danh mục mô hình của mình.

  1. Rẽ nhánh Kho lưu trữ: Bắt đầu bằng cách rẽ nhánh kho lưu trữ Ultralytics GitHub.

  2. Sao chép Bản rẽ nhánh của Bạn: Sao chép bản rẽ nhánh của bạn vào máy cục bộ và tạo một nhánh mới để làm việc.

  3. Triển khai Mô hình Của Bạn: Thêm mô hình của bạn theo các tiêu chuẩn và hướng dẫn mã hóa được cung cấp trong Hướng dẫn Đóng góp của chúng tôi.

  4. Kiểm tra Kỹ lưỡng: Đảm bảo kiểm tra mô hình của bạn một cách nghiêm ngặt, cả độc lập và như một phần của pipeline.

  5. Tạo Yêu cầu Kéo: Sau khi bạn hài lòng với mô hình của mình, hãy tạo một yêu cầu kéo đến kho lưu trữ chính để xem xét.

  6. Kiểm tra & Hợp nhất mã: Sau khi được xem xét, nếu mô hình của bạn đáp ứng các tiêu chí của chúng tôi, nó sẽ được hợp nhất vào kho lưu trữ chính.

Để biết các bước chi tiết, hãy tham khảo Hướng dẫn đóng góp của chúng tôi.

Câu hỏi thường gặp

Mô hình Ultralytics YOLO mới nhất là gì?

Mô hình Ultralytics YOLO mới nhất là YOLO26, được phát hành vào tháng 1 năm 2026. YOLO26 có tính năng suy luận end-to-end không NMS, triển khai biên tối ưu và hỗ trợ cả năm tác vụ (detection, segmentation, classification, ước tính tư thế và OBB) cùng với các phiên bản từ vựng mở. Đối với các tác vụ sản xuất ổn định, cả YOLO26 và YOLO11 đều là những lựa chọn được khuyến nghị.

Làm cách nào để huấn luyện mô hình YOLO trên dữ liệu tùy chỉnh?

Việc huấn luyện mô hình YOLO trên dữ liệu tùy chỉnh có thể dễ dàng thực hiện bằng các thư viện của Ultralytics. Dưới đây là một ví dụ nhanh:

Ví dụ

from 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)

yolo train model=yolo26n.pt data='custom_data.yaml' epochs=100 imgsz=640

Để biết hướng dẫn chi tiết hơn, hãy truy cập trang tài liệu Huấn luyện.

Những phiên bản YOLO nào được Ultralytics hỗ trợ?

Ultralytics hỗ trợ một loạt toàn diện các phiên bản YOLO (You Only Look Once) từ YOLOv3 đến YOLO11, cùng với các mô hình như YOLO-NAS, SAM và RT-DETR. Mỗi phiên bản được tối ưu hóa cho các tác vụ khác nhau như detect, segment và classify. Để biết thông tin chi tiết về từng mô hình, hãy tham khảo tài liệu Các Mô hình được Ultralytics hỗ trợ.

Tại sao tôi nên sử dụng Nền tảng Ultralytics cho các dự án học máy?

Nền tảng Ultralytics cung cấp một nền tảng không mã, end-to-end để huấn luyện, triển khai và quản lý các mô hình YOLO. Nó đơn giản hóa các quy trình làm việc phức tạp, cho phép người dùng tập trung vào hiệu suất và ứng dụng của mô hình. HUB 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 và các nhà phát triển có kinh nghiệm.

Các mô hình Ultralytics YOLO có thể thực hiện những loại tác vụ nào?

Các mô hình Ultralytics YOLO rất linh hoạt và có thể thực hiện các tác vụ bao gồm phát hiện đối tượng, phân đoạn thể hiện, phân loại, ước tính tư thế và phát hiện đối tượng có hướng (OBB). Mô hình mới nhất, YOLO26, hỗ trợ cả năm tác vụ cùng với phát hiện từ vựng mở. Để biết chi tiết về các tác vụ cụ thể, hãy tham khảo các trang Tác vụ.



📅 Được tạo 2 năm trước ✏️ Cập nhật 6 ngày trước
glenn-jocherLaughing-qY-T-Gjk4eMatthewNoyce

Bình luận