Meet YOLO26: next-gen vision AI.


Ultralytics YOLO banner

中文 · 한국어 · 日本語 · Русский · Deutsch · Français · Español · Português · Türkçe · Tiếng Việt · العربية


Ultralytics CI Ultralytics Downloads Ultralytics Discord Ultralytics Forums Ultralytics Reddit
Run Ultralytics on Gradient Open Ultralytics In Colab Open Ultralytics In Kaggle Open Ultralytics In Binder

Link to this section主页#

隆重介绍 Ultralytics YOLO26，这是备受赞誉的实时目标检测和图像分割模型的最新版本。YOLO26 基于深度学习和计算机视觉的进步构建，具有端到端无 NMS 推理和优化的边缘部署能力。其精简的设计使其适用于各种应用场景，并能轻松适配从边缘设备到云端 API 的不同硬件平台。对于稳定的生产工作负载，推荐使用 YOLO26 和 YOLO11。

探索 Ultralytics 文档，这是一份旨在帮助你理解并利用其功能和能力的综合资源。无论你是经验丰富的机器学习从业者还是该领域的新手，本中心都致力于最大化 YOLO 在你项目中的潜力。

如需商业用途的企业许可证，请访问 Ultralytics Licensing 进行申请。


Ultralytics GitHub Ultralytics LinkedIn Ultralytics Twitter Ultralytics YouTube Ultralytics TikTok Ultralytics BiliBili Ultralytics Discord

Link to this section入门指南#

入门指南

使用 pip 安装 ultralytics，并在几分钟内快速上手训练一个 YOLO 模型

快速入门

预测

使用 YOLO 对新图像、视频和流进行预测

探索预测模式

训练模型

在自定义数据集上从头开始训练一个新的 YOLO 模型，或者加载预训练模型进行训练

探索训练模式

探索计算机视觉任务

了解 YOLO 任务，如检测、分割、语义分割、分类、姿态估计、OBB 和跟踪

探索任务

探索 YOLO26 🚀 新功能

发现 Ultralytics 最新的 YOLO26 模型，具备无 NMS 推理和边缘优化能力

YOLO26 模型 🚀

SAM 3: 基于概念的分割一切 🚀 新功能

Meta 最新的 SAM 3 具有可提示的概念分割功能 - 使用文本或图像示例分割所有实例

SAM 3 模型

开源，AGPL-3.0

Ultralytics 提供两种 YOLO 许可证：AGPL-3.0 和企业版。请在 GitHub 上探索 YOLO。

YOLO 许可证



Watch: How to Train a YOLO26 model on Your Custom Dataset in Google Colab.

Link to this sectionYOLO：简史#

YOLO（You Only Look Once）是一款广受欢迎的目标检测和图像分割模型，由华盛顿大学的 Joseph Redmon 和 Ali Farhadi 开发。YOLO 于 2015 年发布，因其高速度和高精度而广受欢迎。

  • YOLOv2 于 2016 年发布，通过引入批量归一化、锚框和维度聚类改进了原始模型。
  • YOLOv3 于 2018 年推出，通过使用更高效的骨干网络、多个锚框和空间金字塔池化进一步增强了模型性能。
  • YOLOv4 于 2020 年发布，引入了 Mosaic 数据增强、新的无锚检测头和新的损失函数等创新技术。
  • YOLOv5 进一步提升了模型性能，并增加了超参数优化、集成实验跟踪以及自动导出到流行导出格式等新功能。
  • YOLOv6 由美团于 2022 年开源，并应用于该公司许多自动配送机器人中。
  • YOLOv7 增加了额外的任务，例如 COCO 关键点数据集上的姿态估计。
  • YOLOv8 由 Ultralytics 于 2023 年发布，引入了新的功能和改进，以实现更强的性能、灵活性和效率，并支持全系列的视觉 AI 任务。
  • YOLOv9 引入了可编程梯度信息 (PGI) 和广义高效层聚合网络 (GELAN) 等创新方法。
  • YOLOv10 由清华大学的研究人员使用Ultralytics Python 包创建，通过引入消除了非极大值抑制 (NMS) 要求的端到端检测头，提供了实时目标检测的进步。
  • YOLO11：YOLO11 于 2024 年 9 月发布，在多项任务中表现出色，包括目标检测、分割、姿态估计、跟踪和分类，能够部署在各种 AI 应用和领域中。
  • YOLO26 🚀：Ultralytics 的下一代 YOLO 模型，针对边缘部署进行了优化，具有端到端无 NMS 推理能力。

Link to this sectionYOLO 许可证：Ultralytics YOLO 是如何授权的？#

Ultralytics Enterprise License banner

Ultralytics 提供两种许可选项以满足不同的使用场景：

  • AGPL-3.0 许可证：此经 OSI 批准的开源许可证非常适合学生和爱好者，促进了开放协作和知识共享。有关详细信息，请参阅 LICENSE 文件。
  • 企业许可证：针对开发和生产用途，此许可证支持将 Ultralytics 软件和 AI 模型无缝集成到商业产品和服务中，包括内部工具、自动化工作流和生产部署，从而绕过 AGPL-3.0 的开源要求。如需开始使用，请通过 Ultralytics Licensing 联系我们。

我们的许可策略旨在确保对我们开源项目的任何改进都能回馈给社区。我们信仰开源，我们的使命是确保我们的贡献能以造福所有人的方式被使用和扩展。

Link to this section目标检测的演变#

目标检测多年来取得了显著的发展，从传统的计算机视觉技术到先进的深度学习模型。YOLO 系列模型一直处于这一演变的前沿，不断突破实时目标检测的可能性边界。

YOLO 的独特方法将目标检测视为一个单一的回归问题，在一次评估中直接从完整图像预测边界框和类别概率。这种革命性的方法使 YOLO 模型比以前的两阶段检测器快得多，同时保持了高精度。

随着每一个新版本的发布，YOLO 都引入了架构改进和创新技术，在各种指标上提升了性能。YOLO26 延续了这一传统，结合了计算机视觉研究的最新进展，具备端到端无 NMS 推理能力，并针对实际应用进行了边缘部署优化。

Link to this section常见问题解答#

Link to this section什么是 Ultralytics YOLO，它如何改进目标检测？#

Ultralytics YOLO 是备受赞誉的 YOLO（You Only Look Once）系列，用于实时目标检测和图像分割。最新模型 YOLO26 在前代版本的基础上，引入了端到端无 NMS 推理和优化的边缘部署。YOLO 支持各种视觉 AI 任务，例如检测、实例分割、语义分割、姿态估计、跟踪和分类。其高效的架构确保了卓越的速度和准确性，使其适用于各种应用，包括边缘设备和云端 API。

Link to this section我该如何开始 YOLO 的安装和设置？#

开始使用 YOLO 既快速又直接。你可以使用 pip 安装 Ultralytics 包，并在几分钟内上手。以下是基本的安装命令：

使用 pip 安装
pip install -U ultralytics

有关详尽的分步指南，请访问我们的快速入门页面。该资源将帮助你完成安装说明、初始设置以及运行你的第一个模型。

Link to this section我该如何在我自己的数据集上训练自定义的 YOLO 模型？#

在你的数据集上训练自定义 YOLO 模型涉及几个详细步骤：

  1. 准备你的标注数据集。
  2. 在 YAML 文件中配置训练参数。
  3. 使用 yolo TASK train 命令开始训练。（每个 TASK 都有其对应的参数）

以下是目标检测任务的代码示例：

目标检测任务训练示例
from ultralytics import YOLO

# Load a pretrained YOLO model (you can choose n, s, m, l, or x versions)
model = YOLO("yolo26n.pt")

# Start training on your custom dataset
model.train(data="path/to/dataset.yaml", epochs=100, imgsz=640)

有关详细的操作步骤，请查看我们的训练模型指南，其中包含优化训练过程的示例和提示。

Link to this sectionUltralytics YOLO 有哪些许可选项？#

Ultralytics 为 YOLO 提供两种许可选项：

  • AGPL-3.0 许可证：此开源许可证非常适合教育和非商业用途，促进开放协作。
  • 企业许可证：用于开发和生产用途，包括内部工具、自动化工作流和生产部署，无需遵循 AGPL-3.0 的开源要求。

有关详细信息，请访问我们的许可页面。

Link to this section如何使用 Ultralytics YOLO 进行实时目标跟踪？#

Ultralytics YOLO 支持高效且可自定义的多目标跟踪。要利用跟踪功能，你可以使用 yolo track 命令，如下所示：

视频目标跟踪示例
from ultralytics import YOLO

# Load a pretrained YOLO model
model = YOLO("yolo26n.pt")

# Start tracking objects in a video
# You can also use live video streams or webcam input
model.track(source="path/to/video.mp4")

有关设置和运行目标跟踪的详细指南，请查看我们的跟踪模式文档，其中解释了实时场景中的配置和实际应用。

贡献者
GLglenn-jocher48RIRizwanMunawar8PDpderrenger5JKjk4e4AYAyushExel3RAraimbekovm1MAmatt-ultralytics1LALaughing-q1Y-Y-T-G1PIpicsalex1LELexBarou1

评论