Модели, поддерживаемые Ultralytics

Добро пожаловать в документацию по моделям Ultralytics! Мы предлагаем поддержку широкого спектра моделей, каждая из которых адаптирована для конкретных задач, таких как обнаружение объектов, сегментация экземпляров, классификация изображений, оценка позы и отслеживание нескольких объектов. Если ты хочешь внести свой вклад в архитектуру моделей Ultralytics, ознакомься с нашим руководством по внесению вклада.

Рекомендуемые модели

Вот некоторые из ключевых поддерживаемых моделей:

1. YOLOv3: Третья итерация семейства моделей YOLO, изначально созданная Джозефом Редмоном и известная своей эффективностью в задачах обнаружения объектов в реальном времени.
2. YOLOv4: Обновление YOLOv3 на базе darknet, выпущенное Алексеем Бочковским в 2020 году.
3. YOLOv5: Улучшенная версия архитектуры YOLO от Ultralytics, предлагающая лучший баланс производительности и скорости по сравнению с предыдущими версиями.
4. YOLOv6: Выпущена компанией Meituan в 2022 году и используется во многих автономных роботах-доставщиках компании.
5. YOLOv7: Обновленные модели YOLO, выпущенные в 2022 году авторами YOLOv4. Поддерживается только инференс.
6. YOLOv8: Универсальная модель с расширенными возможностями, такими как сегментация экземпляров, оценка позы/ключевых точек и классификация.
7. YOLOv9: Экспериментальная модель, обученная на кодовой базе Ultralytics YOLOv5 с реализацией Programmable Gradient Information (PGI).
8. YOLOv10: Модель от Университета Цинхуа, отличающаяся обучением без NMS и архитектурой, ориентированной на баланс эффективности и точности, обеспечивающая передовую производительность и минимальную задержку.
9. YOLO11: Модели YOLO от Ultralytics, обеспечивающие высокую производительность в различных задачах, включая обнаружение, сегментацию, оценку позы, отслеживание и классификацию.
10. YOLO26 🚀 НОВИНКА: Новейшая модель YOLO нового поколения от Ultralytics, оптимизированная для развертывания на граничных устройствах (edge) с поддержкой сквозного инференса без NMS.
11. Segment Anything Model (SAM): Оригинальная модель Segment Anything Model (SAM) от Meta.
12. Segment Anything Model 2 (SAM2): Следующее поколение модели Segment Anything Model от Meta для видео и изображений.
13. Segment Anything Model 3 (SAM3) 🚀 НОВИНКА: Третье поколение модели Segment Anything Model от Meta с поддержкой сегментации на основе концептов для текстовой и образцовой сегментации изображений.
14. Mobile Segment Anything Model (MobileSAM): MobileSAM для мобильных приложений, разработанная Университетом Кёнхи.
15. Fast Segment Anything Model (FastSAM): FastSAM от группы анализа изображений и видео Института автоматизации Китайской академии наук.
16. YOLO-NAS: Модели YOLO Neural Architecture Search (NAS).
17. Real-Time Detection Transformers (RT-DETR): Модели обнаружения в реальном времени Transformer (RT-DETR) на базе PaddlePaddle от Baidu.
18. YOLO-World: Модели обнаружения объектов с открытым словарем в реальном времени от Tencent AI Lab.
19. YOLOE: Улучшенный детектор объектов с открытым словарем, который поддерживает производительность YOLO в реальном времени, обнаруживая произвольные классы вне своих обучающих данных.

Начало работы: примеры использования

Этот пример содержит простые примеры обучения и инференса YOLO. Для получения полной документации по этим и другим режимам см. страницы документации Predict, Train, Val и Export.

Обрати внимание, что в примере ниже освещаются модели YOLO11 Detect для обнаружения объектов. Дополнительные поддерживаемые задачи см. в документации Segment, Classify и Pose.

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")

Внесение вклада в создание новых моделей

Хочешь внести вклад в создание своей модели для Ultralytics? Отлично! Мы всегда открыты для расширения нашего портфеля моделей.

1. Сделай форк репозитория: Начни с создания форка репозитория Ultralytics на GitHub.

2. Клонируй свой форк: Клонируй свой форк на локальную машину и создай новую ветку для работы.

3. Реализуй свою модель: Добавь свою модель, следуя стандартам кодирования и рекомендациям, изложенным в нашем руководстве по внесению вклада.

4. Тщательно протестируй: Убедись, что ты строго протестировал свою модель, как в изоляции, так и как часть конвейера.

5. Создай Pull Request: Как только ты будешь доволен своей моделью, создай pull request в основной репозиторий для проверки.

6. Код-ревью и слияние: После проверки, если твоя модель соответствует нашим критериям, она будет объединена с основным репозиторием.

Подробные шаги описаны в нашем руководстве по внесению вклада.

Часто задаваемые вопросы (FAQ)

Какая последняя модель YOLO от Ultralytics?

Последняя модель YOLO от Ultralytics — это YOLO26, выпущенная в январе 2026 года. YOLO26 поддерживает сквозной инференс без NMS, оптимизированное развертывание на граничных устройствах и все пять задач (обнаружение, сегментация, классификация, оценка позы и OBB), плюс версии с открытым словарем. Для стабильных производственных рабочих нагрузок рекомендуются как YOLO26, так и YOLO11.

Как обучить модель YOLO на пользовательских данных?

Обучение модели YOLO на пользовательских данных легко выполняется с помощью библиотек Ultralytics. Вот краткий пример:

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)

Для получения более подробных инструкций перейди на страницу документации Train.

Какие версии YOLO поддерживает Ultralytics?

Ultralytics поддерживает полный спектр версий YOLO (You Only Look Once) от YOLOv3 до YOLO11, а также такие модели, как YOLO-NAS, SAM и RT-DETR. Каждая версия оптимизирована для различных задач, таких как обнаружение, сегментация и классификация. Для получения подробной информации о каждой модели обратись к документации Models Supported by Ultralytics.

Почему мне стоит использовать платформу Ultralytics для проектов machine learning?

Платформа Ultralytics предоставляет платформу no-code для обучения, развертывания и управления моделями YOLO. Она упрощает сложные рабочие процессы, позволяя пользователям сосредоточиться на производительности модели и приложении. HUB также предлагает возможности облачного обучения, комплексное управление наборами данных и удобные интерфейсы как для начинающих, так и для опытных разработчиков.

Какие типы задач могут выполнять модели YOLO от Ultralytics?

Модели YOLO от Ultralytics универсальны и могут выполнять задачи, включая обнаружение объектов, сегментацию экземпляров, классификацию, оценку позы и ориентированное обнаружение объектов (OBB). Последняя модель, YOLO26, поддерживает все пять задач плюс обнаружение с открытым словарем. Подробнее о конкретных задачах см. на страницах задач.