Echtzeit YOLO Bildsegmentierung
Gehe mit pixelgenauen Masken über Bounding Boxes hinaus. Ultralytics YOLO26 unterstützt Instanz- und semantische Segmentierung mit dem gleichen schnellen Trainings-, Validierungs- und Bereitstellungs-Workflow wie jede andere YOLO Aufgabe.
YOLO26 Segmentierungsmodelle
YOLO26-seg Modelle erkennen Objekte und sagen für jedes eine pixelgenaue Maske voraus, in fünf Größen von nano bis extra-large. Die Genauigkeit von Boxen und Masken wird unten separat aufgeführt; alle Größen lassen sich über den standardmäßigen Ultralytics Workflow trainieren, validieren und exportieren.
pip install ultralyticsfrom ultralytics import YOLO
# Load a YOLO26 segmentation model
model = YOLO("yolo26n-seg.pt")
# Run inference
results = model("image.jpg")| Modell | Größe (px) | mAP Box (e2e) | mAP Maske (e2e) | CPU ONNX (ms) | T4 TensorRT (ms) | Parameter (M) | FLOPs (B) |
|---|---|---|---|---|---|---|---|
| YOLO26n-seg | 640 | 39.6 | 33.9 | 53.3 ± 0.5 | 2.1 ± 0.0 | 2.7 | 9.1 |
| YOLO26s-seg | 640 | 47.3 | 40.0 | 118.4 ± 0.9 | 3.3 ± 0.0 | 10.4 | 34.2 |
| YOLO26m-seg | 640 | 52.5 | 44.1 | 328.2 ± 2.4 | 6.7 ± 0.1 | 23.6 | 121.5 |
| YOLO26l-seg | 640 | 54.4 | 45.5 | 387.0 ± 3.7 | 8.0 ± 0.1 | 28.0 | 139.8 |
| YOLO26x-seg | 640 | 56.5 | 47.0 | 787.0 ± 6.8 | 16.4 ± 0.1 | 62.8 | 313.5 |
YOLO26 Instanzsegmentierungs-Benchmarks aus der Ultralytics Dokumentation.
Vertrauenswürdig für die weltweit führenden Organisationen
Die Wirkung unserer Modelle
Optimiere Prozesse branchenübergreifend mit unseren hochmodernen Vision-KI-Modellen. Geschwindigkeit, Genauigkeit und Benutzerfreundlichkeit, bereitgestellt von Ultralytics.
Die Entwicklung der Ultralytics YOLO Modelle
Erfahre, wie sich Ultralytics YOLO vom praktischen YOLOv5-Workflow zur Edge-Ready YOLO26-Inferenz entwickelt hat.
Machte Echtzeit-Objekterkennung zugänglich mit einem schnellen, praktischen PyTorch-Workflow.
Erweiterung des einheitlichen Workflows auf Erkennung, Segmentierung, Klassifizierung, Pose und OBB.
Verbesserte Genauigkeit, Geschwindigkeit und Effizienz bei gleichbleibend vertrautem Ultralytics-Workflow.
Einführung von End-to-End-Inferenz und einer Architektur, die für eine effiziente Edge-Bereitstellung optimiert ist.
Annotiere bis zu 10x schneller mit intelligenter Annotation
Die Ultralytics Platform bietet dir das Bildannotationstool, um schneller hochwertige Datensätze zu erstellen. Von intelligenter Annotation bis hin zur präzisen manuellen Bearbeitung sind diese Funktionen darauf ausgelegt, die Zeit für die Bildbeschriftung zu verkürzen, ohne dabei an Qualität einzubüßen.
- SAM-gestützte intelligente Annotation: Masken und Bounding Boxes mit nur einem Klick.
- Vollständige Abdeckung von KI-Aufgaben: Detektion, Instanzsegmentierung, semantische Segmentierung, Klassifizierung, Pose, OBB.
- Unterstützung universeller Formate: Deine Wahl aus YOLO, COCO, VOC und mehr.
- Team-Review und Versionierung: Klare Zusammenarbeit bei jedem Schritt.
Trainiere auf den besten GPUs für weniger Geld
26 NVIDIA GPUs ab $0,24/Std. – von Ampere bis Blackwell. Kein Aufschlag, keine Mindestlaufzeiten, keine Verpflichtung.
Überall bereitstellen
Exportiere in 20 Formate und deploye auf Edge, Cloud und Mobilgeräten.
Branchenlösungen erkunden
Sieh dir an, wie Teams Ultralytics Computer Vision in Produktionsumgebungen einsetzen.
KI in der Landwirtschaft
KI in der Automobilindustrie
KI im Gesundheitswesen
KI in der Logistik
KI in der Fertigung
KI im Einzelhandel
KI in der Robotik
KI in der Landwirtschaft
KI in der Automobilindustrie
KI im Gesundheitswesen
KI in der Logistik
KI in der Fertigung
KI im Einzelhandel
KI in der Robotik
KI in der Landwirtschaft
KI in der Automobilindustrie
KI im Gesundheitswesen
KI in der Logistik
KI in der Fertigung
KI im Einzelhandel
KI in der Robotik
Häufig gestellte Fragen
Instance segmentation erkennt jedes Objekt und umreißt es mit einer pixelgenauen Maske anstelle nur einer Bounding Box. Es ist die richtige Aufgabe, wenn Form, Fläche oder Grenzen von Objekten wichtig sind – zum Beispiel beim Messen von Gegenständen, dem Trennen sich berührender Objekte oder dem Maskieren von Bereichen für die nachgelagerte Verarbeitung. Ultralytics YOLO Segmentierung läuft in Echtzeit mit derselben API wie die Erkennung.
Instanzsegmentierung erstellt eine separate Maske pro Objekt, sodass zwei nebeneinander stehende Autos zwei Masken erhalten. Semantic segmentation weist jedem Pixel in der Szene ein Klassenlabel zu, ohne einzelne Objekte zu trennen. Ultralytics YOLO26 unterstützt beides: Verwende instance segmentation, um einzelne Objekte zu zählen und zu verfolgen, und semantische Segmentierung für ein vollständiges Szenenverständnis wie die Straßen- oder Vegetationskartierung.
Ultralytics YOLO26 Segmentierungsmodelle sind der empfohlene Ausgangspunkt für neue Projekte, von der nano-Größe für Edge-Geräte bis zu größeren Varianten für genauigkeitskritische Arbeiten. YOLO11 Segmentierungsmodelle werden weiterhin über denselben Workflow unterstützt.
Annotiere Masken und trainiere mit dem train mode der Ultralytics Bibliothek, oder verwende die Ultralytics Platform, um mit intelligenten Polygon-Tools zu annotieren, auf Cloud-GPUs zu trainieren und Läufe zu vergleichen. Das Fine-Tuning mit vortrainierten Segmentierungsgewichten konvergiert bei den meisten benutzerdefinierten Datensätzen schnell.
Exportiere trainierte Modelle mit dem export mode nach ONNX, TensorRT, CoreML, OpenVINO, LiteRT und mehr. Segmentierungsmasken werden nativ vom exportierten Modell erstellt, sodass die Bereitstellungspipeline über Edge-, Cloud- und Mobilziele hinweg einfach bleibt.
Erstelle Bildsegmentierung mit Ultralytics
Annotiere Masken, trainiere YOLO26 Segmentierungsmodelle und stelle sie überall mit der Ultralytics Platform bereit.