Ultralytics YOLO26 模式
简介#
Ultralytics YOLO26 不只是一个目标检测模型:Ultralytics 框架覆盖机器学习模型的完整生命周期,从训练和验证到预测、导出、跟踪和基准测试。每种模式在这一工作流中都有特定用途。
有关计划中的 YOLO27 支持,请参阅 YOLO27 预览。YOLO27 即将推出,目前尚不可用;本指南使用的是已发布的 YOLO26 模型。
观看: Ultralytics 模式教程:训练、验证、预测、导出和基准测试。
模式概览#
Ultralytics YOLO26 支持以下模式:
- Train 模式:在自定义或内置数据集上训练或微调模型。
- Val 模式:训练后验证模型性能。
- Predict 模式:使用模型对新的图像、视频和流运行推理。
- Export 模式:将模型转换为适用于模型部署的格式。
- Track 模式:实时跟踪视频帧和实时流中的对象。
- 基准测试模式:分析模型在不同部署环境中的速度和准确率。
以下各部分概述了每种模式,并链接到对应的完整指南。
训练#
Train 模式用于在自定义数据集上训练 YOLO26 模型。在此模式下,模型会使用指定的数据集和超参数进行训练。训练过程会优化模型参数,使模型能够准确预测图像中对象的类别和位置。训练是创建能够识别与你的应用相关的特定对象的模型的关键。
验证#
Val 模式用于在 YOLO26 模型训练完成后对其进行验证。在此模式下,模型会在验证集上进行评估,以衡量其准确性和泛化性能。验证有助于发现过拟合等潜在问题,并提供平均精度均值 (mAP) 等指标来量化模型性能。验证结果可用于指导超参数调优和其他模型改进。
预测#
Predict 模式用于使用训练好的 YOLO26 模型对新图像或视频进行预测。在此模式下,模型会从检查点文件加载,用户可以提供图像或视频来执行推理。模型会识别并定位输入媒体中的对象。Predict 模式可让你将训练好的模型应用于实际问题。
导出#
导出模式用于将 YOLO26 模型转换为适合在不同平台和设备上部署的格式。此模式会将 PyTorch 模型转换为 ONNX、TensorRT 或 CoreML 等优化格式,以便在生产环境中部署。导出对于将模型集成到各种软件应用或硬件设备中至关重要,而且通常能显著提升性能。
跟踪#
Track 模式扩展了 YOLO26 的对象检测能力,可跨视频帧或实时流跟踪对象。此模式对于需要持续识别对象的应用尤其有价值,例如监控系统或自动驾驶汽车。它包含六种跟踪器:TrackTrack(默认)、BoT-SORT、ByteTrack、OC-SORT、Deep OC-SORT 和 FastTracker。
基准测试#
基准测试模式用于分析 YOLO26 各种导出格式的速度和准确率。该模式会全面提供模型大小、准确率(目标检测、分割、姿态估计和 OBB 使用 mAP50-95;语义分割使用 mIoU;深度估计使用 δ1;分类使用 accuracy_top1)以及不同格式的推理时间等指标,例如 ONNX、OpenVINO 和 TensorRT。通过基准测试,你可以根据部署环境中对速度和准确率的具体要求,选择最佳导出格式。
常见问题#
使用 Ultralytics YOLO26 训练自定义目标检测模型需要使用训练模式。你需要准备一个采用 YOLO 格式的数据集,其中包含图像及其对应的标注文件。使用以下命令开始训练:
示例from ultralytics import YOLO # 加载预训练的 YOLO 模型(可选择 n、s、m、l 或 x 版本) model = YOLO("yolo26n.pt") # 开始在自定义数据集上训练 model.train(data="path/to/dataset.yaml", epochs=100, imgsz=640)如需更详细的说明,请参阅 Ultralytics 训练指南。
Ultralytics YOLO26 在验证过程中使用多种指标来评估模型性能,包括:
- mAP(平均精度均值):用于评估目标检测的准确率。
- IoU(交并比):衡量预测边界框与真实边界框之间的重叠程度。
- 精确率和召回率:精确率衡量真正例检测结果占所有正例检测结果的比例,召回率衡量真正例检测结果占所有实际正例的比例。
你可以运行以下命令开始验证:
示例from ultralytics import YOLO # 加载预训练或自定义 YOLO 模型 model = YOLO("yolo26n.pt") # 在你的数据集上运行验证 model.val(data="path/to/validation.yaml")更多详情请参阅验证指南。
Ultralytics YOLO26 提供导出功能,可将训练好的模型转换为 ONNX、TensorRT、CoreML 等多种部署格式。使用以下示例导出模型:
示例from ultralytics import YOLO # 加载训练好的 YOLO 模型 model = YOLO("yolo26n.pt") # 将模型导出为 ONNX 格式(可按需指定其他格式) model.export(format="onnx")有关每种导出格式的详细步骤,请参阅导出指南。
Ultralytics YOLO26 中的基准测试模式用于分析 ONNX、TensorRT 和 OpenVINO 等各种导出格式的速度和准确率。它会提供模型大小、目标检测的 mAP50-95以及不同硬件配置下的推理时间等指标,帮助你为部署需求选择最合适的格式。
示例from ultralytics.utils.benchmarks import benchmark # 在 GPU 上运行基准测试(设备 0) # 你可以按需调整模型、数据集、图像尺寸和精度等参数 benchmark(model="yolo26n.pt", data="coco8.yaml", imgsz=640, device=0)更多详情请参阅基准测试指南。
你可以使用 Ultralytics YOLO26 的跟踪模式实现实时目标跟踪。此模式扩展了目标检测能力,可跨视频帧或实时视频流跟踪目标。使用以下示例启用跟踪:
示例from ultralytics import YOLO # 加载预训练的 YOLO 模型 model = YOLO("yolo26n.pt") # 开始跟踪视频中的目标 # 你也可以使用实时视频流或网络摄像头输入 model.track(source="path/to/video.mp4")如需详细说明,请访问跟踪指南。
评论7
提出问题、分享结果,或帮助其他人。
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(已编辑)@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(已编辑)@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!
