Các chế độ của Ultralytics YOLO26
Giới thiệu#
Ultralytics YOLO26 không chỉ là model phát hiện đối tượng: framework Ultralytics bao quát toàn bộ vòng đời của model machine learning, từ huấn luyện và xác thực đến dự đoán, export, theo dõi và benchmark. Mỗi mode đảm nhiệm một mục đích cụ thể trong workflow đó.
Để biết thông tin về kế hoạch hỗ trợ YOLO27, hãy xem bản xem trước YOLO27. YOLO27 sẽ ra mắt trong thời gian tới và hiện chưa khả dụng; hướng dẫn này sử dụng các model YOLO26 đã phát hành.
Xem: Hướng dẫn về các chế độ Ultralytics: Huấn luyện, xác thực, dự đoán, xuất và benchmark.
Tổng quan nhanh về các chế độ#
Ultralytics YOLO26 hỗ trợ các mode sau:
- Mode Train: Huấn luyện hoặc fine-tune model trên dataset tùy chỉnh hoặc dataset tích hợp.
- Mode Val: Xác thực hiệu năng của model sau khi huấn luyện.
- Mode Predict: Chạy suy luận bằng model trên ảnh, video và luồng mới.
- Mode Export: Chuyển đổi model sang các định dạng sẵn sàng cho triển khai model.
- Mode Track: Theo dõi đối tượng qua các khung hình video và luồng trực tiếp theo thời gian thực.
- Chế độ Benchmark: Phân tích tốc độ và độ chính xác của model trong nhiều môi trường triển khai.
Các phần bên dưới tóm tắt từng chế độ và liên kết đến hướng dẫn đầy đủ tương ứng.
Huấn luyện#
Chế độ Train được dùng để huấn luyện model YOLO26 trên một dataset tùy chỉnh. Ở chế độ này, model được huấn luyện bằng dataset và các hyperparameter đã chỉ định. Quá trình huấn luyện bao gồm tối ưu hóa các tham số của model để model có thể dự đoán chính xác lớp và vị trí của các đối tượng trong ảnh. Huấn luyện là bước thiết yếu để tạo model có thể nhận diện các đối tượng cụ thể liên quan đến ứng dụng của bạn.
Đánh giá#
Chế độ Val được dùng để đánh giá model YOLO26 sau khi huấn luyện. Ở chế độ này, model được đánh giá trên tập validation để đo độ chính xác và khả năng tổng quát hóa. Việc đánh giá giúp phát hiện các vấn đề tiềm ẩn như overfitting và cung cấp các metric như độ chính xác trung bình trung bình (mAP) để định lượng hiệu năng của model. Kết quả đánh giá hướng dẫn quá trình tinh chỉnh hyperparameter và các cải tiến khác cho model.
Dự đoán#
Chế độ Predict được dùng để đưa ra dự đoán bằng model YOLO26 đã huấn luyện trên ảnh hoặc video mới. Ở chế độ này, model được tải từ tệp checkpoint, sau đó người dùng có thể cung cấp ảnh hoặc video để thực hiện inference. Model xác định và định vị đối tượng trong dữ liệu đầu vào. Chế độ Predict là cách áp dụng model đã huấn luyện vào các vấn đề thực tế.
Export#
Chế độ Export được dùng để chuyển đổi model YOLO26 sang các định dạng phù hợp để triển khai trên nhiều nền tảng và thiết bị. Chế độ này chuyển đổi model PyTorch sang các định dạng được tối ưu như ONNX, TensorRT hoặc CoreML, cho phép triển khai trong môi trường production. Xuất model là bước thiết yếu để tích hợp model với nhiều ứng dụng phần mềm hoặc thiết bị phần cứng, thường giúp cải thiện đáng kể hiệu năng.
Theo dõi#
Chế độ Track mở rộng khả năng phát hiện đối tượng của YOLO26 để theo dõi đối tượng qua các khung hình video hoặc luồng trực tiếp. Chế độ này đặc biệt hữu ích cho các ứng dụng cần nhận dạng đối tượng liên tục, chẳng hạn như hệ thống giám sát hoặc xe tự lái. Chế độ này có sáu tracker: TrackTrack (mặc định), BoT-SORT, ByteTrack, OC-SORT, Deep OC-SORT và FastTracker.
Benchmark#
Chế độ benchmark đo tốc độ và độ chính xác của nhiều định dạng xuất khác nhau cho YOLO26. Chế độ này cung cấp các metric toàn diện về kích thước model, độ chính xác (mAP50-95 cho phát hiện, phân đoạn, pose và OBB; mIoU cho phân đoạn ngữ nghĩa; δ1 cho độ sâu; hoặc accuracy_top1 cho phân loại) và thời gian suy luận trên các định dạng khác nhau như ONNX, OpenVINO và TensorRT. Benchmark giúp bạn chọn định dạng xuất tối ưu dựa trên các yêu cầu cụ thể về tốc độ và độ chính xác trong môi trường triển khai.
Câu hỏi thường gặp#
Để huấn luyện model phát hiện đối tượng tùy chỉnh bằng Ultralytics YOLO26, hãy sử dụng chế độ train. Bạn cần một dataset được định dạng theo định dạng YOLO, bao gồm hình ảnh và các file chú thích tương ứng. Sử dụng lệnh sau để bắt đầu quá trình huấn luyện:
Ví dụfrom ultralytics import YOLO # Tải model YOLO đã huấn luyện trước (bạn có thể chọn phiên bản n, s, m, l hoặc x) model = YOLO("yolo26n.pt") # Bắt đầu huấn luyện trên dataset tùy chỉnh của bạn model.train(data="path/to/dataset.yaml", epochs=100, imgsz=640)Để biết hướng dẫn chi tiết hơn, hãy tham khảo Hướng dẫn Train của Ultralytics.
Ultralytics YOLO26 sử dụng nhiều chỉ số trong quá trình xác thực để đánh giá hiệu năng của model. Các chỉ số này bao gồm:
- mAP (Độ chính xác trung bình): Chỉ số này đánh giá độ chính xác của việc phát hiện đối tượng.
- IoU (Intersection over Union): Đo mức độ chồng lấp giữa các bounding box dự đoán và ground truth.
- Precision và Recall: Precision đo tỷ lệ số phát hiện dương tính thật trên tổng số phát hiện dương tính, trong khi recall đo tỷ lệ số phát hiện dương tính thật trên tổng số trường hợp dương tính thực tế.
Bạn có thể chạy lệnh sau để bắt đầu xác thực:
Ví dụfrom ultralytics import YOLO # Tải model YOLO đã huấn luyện trước hoặc model tùy chỉnh model = YOLO("yolo26n.pt") # Chạy xác thực trên dataset của bạn model.val(data="path/to/validation.yaml")Tham khảo Hướng dẫn Validation để biết thêm chi tiết.
Ultralytics YOLO26 cung cấp chức năng export để chuyển đổi model đã huấn luyện sang nhiều định dạng triển khai như ONNX, TensorRT, CoreML và các định dạng khác. Sử dụng ví dụ sau để export model của bạn:
Ví dụfrom ultralytics import YOLO # Tải model YOLO đã huấn luyện model = YOLO("yolo26n.pt") # Export model sang định dạng ONNX (bạn có thể chỉ định các định dạng khác nếu cần) model.export(format="onnx")Bạn có thể tìm thấy các bước chi tiết cho từng định dạng export trong Hướng dẫn Export.
Chế độ benchmark trong Ultralytics YOLO26 được dùng để phân tích tốc độ và độ chính xác của nhiều định dạng xuất như ONNX, TensorRT và OpenVINO. Chế độ này cung cấp các metric như kích thước model, mAP50-95 cho phát hiện đối tượng và thời gian suy luận trên các cấu hình phần cứng khác nhau, giúp bạn chọn định dạng phù hợp nhất với nhu cầu triển khai.
Ví dụfrom ultralytics.utils.benchmarks import benchmark # Chạy đánh giá hiệu năng trên GPU (device 0) # Bạn có thể điều chỉnh các tham số như model, dataset, kích thước ảnh và độ chính xác số học nếu cần benchmark(model="yolo26n.pt", data="coco8.yaml", imgsz=640, device=0)Để biết thêm chi tiết, hãy tham khảo Hướng dẫn Benchmark.
Có thể thực hiện theo dõi đối tượng theo thời gian thực bằng chế độ track trong Ultralytics YOLO26. Chế độ này mở rộng khả năng phát hiện đối tượng để theo dõi đối tượng qua các khung hình video hoặc luồng trực tiếp. Sử dụng ví dụ sau để bật tính năng theo dõi:
Ví dụfrom ultralytics import YOLO # Tải model YOLO pretrained model = YOLO("yolo26n.pt") # Bắt đầu theo dõi đối tượng trong video # Bạn cũng có thể sử dụng luồng video trực tiếp hoặc đầu vào từ webcam model.track(source="path/to/video.mp4")Để xem hướng dẫn chi tiết, hãy truy cập Hướng dẫn Track.
Bình luận7
Đặt câu hỏi, chia sẻ kết quả hoặc giúp đỡ người khác.
Monkey1GIt
The Chinese web page translation is very bad, for example, "train" should be "训练", but translated into "火车"
And can not switch to English page, click the EN button, will still switch to Chinese page
2
Glenn JocherUltralyticsHey there! 😊 Thanks for bringing this to our attention. We're sorry for the inconvenience caused by the translation errors and the issue with the language switch button. We're constantly working on improving our documentation and its accessibility, including accurate translations.
For the translation issue, we'll look into it and aim to correct those errors, like "train" being incorrectly translated. Your feedback is invaluable in helping us enhance the user experience.
Regarding the language switch issue, we're investigating this and will work on a fix. In the meantime, if you're still unable to switch to the English page, you might try clearing your browser's cache or using a different browser as a temporary workaround.
If you have any more feedback or need further assistance, please don't hesitate to reach out. Thanks for your support and understanding! 🙏
myangel1972
what is the difference between version 8.3.6 and 11?
1
Glenn JocherUltralytics(đã chỉnh sửa)@myangel1972
8.3.6is a release number of theultralyticsPython package, while YOLO11 is a model family. YOLO26 is now the latest and recommended model, offering improved performance across tasks like detection, segmentation, and tracking. For detailed differences, please refer to the release notes on the Ultralytics GitHub page.myangel1972
thanks a lot for your quickly reply!but I still have a question,on the right top of this page,there is a tag with 8.3.7(yesterday it was 8.3.6), so i am confused that what is the relatonship between 8.3.7 and yolo 11?
Glenn JocherUltralytics(đã chỉnh sửa)@myangel1972 version numbers like 8.3.7 are releases of the
ultralyticspackage (which supports YOLOv8, YOLO11 and later models), including improvements and bug fixes. YOLO11 is a separate model family released in that package line, so the two numbers are not comparable.1myangel1972
Thanks a lot! Now I understand it very clearly! Great Job!
