Segmentación de imágenes YOLO en tiempo real
Ve más allá de los cuadros delimitadores con máscaras precisas a nivel de píxel. Ultralytics YOLO26 admite la segmentación de instancias y semántica con el mismo flujo de trabajo rápido de entrenamiento, validación y despliegue que todas las tareas de YOLO.
Modelos de segmentación YOLO26
Los modelos YOLO26-seg detectan objetos y predicen una máscara precisa a nivel de píxel para cada uno, en cinco tamaños que van de nano a extragrande. A continuación se indican por separado la precisión de los cuadros y de las máscaras; todos los tamaños se entrenan, validan y exportan con el flujo de trabajo estándar de Ultralytics.
pip install ultralyticsfrom ultralytics import YOLO
# Load a YOLO26 segmentation model
model = YOLO("yolo26n-seg.pt")
# Run inference
results = model("image.jpg")| Modelo | Tamaño (px) | mAP de cuadros (e2e) | mAP de máscaras (e2e) | CPU ONNX (ms) | T4 TensorRT (ms) | Parámetros (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 |
Resultados de referencia de segmentación de instancias de YOLO26, según la documentación de Ultralytics.
La confianza de las organizaciones líderes del mundo
El impacto de nuestros modelos
Agiliza los procesos en distintos sectores con nuestros modelos de IA de visión de vanguardia. Velocidad, precisión y facilidad de uso gracias a Ultralytics.
La evolución de los modelos YOLO de Ultralytics
Descubre cómo evolucionó Ultralytics YOLO desde el práctico flujo de trabajo de YOLOv5 hasta la inferencia de YOLO26 lista para edge.
Etiqueta hasta 10 veces más rápido con anotaciones inteligentes
Ultralytics Platform te ofrece una herramienta de anotación de imágenes para crear conjuntos de datos de alta calidad más rápido. Desde las anotaciones inteligentes hasta la edición manual precisa, estas funciones están diseñadas para reducir el tiempo de etiquetado de imágenes sin sacrificar la calidad.
- Anotación inteligente con SAM:Máscaras y cuadros delimitadores con un solo clic.
- Cobertura completa de tareas de IA:Detección, segmentación de instancias, segmentación semántica, clasificación, estimación de pose y OBB.
- Compatibilidad con formatos universales:Elige YOLO, COCO y muchos más.
- Revisión y control de versiones en equipo:Colaboración clara en cada paso.
Entrena con las mejores GPU por menos
26 GPU NVIDIA desde 0,24 $/h: de Ampere a Blackwell. Sin sobrecostes, mínimos ni compromisos.
Implementa en cualquier lugar
Exporta a 22 formatos e implementa en entornos edge, la nube y dispositivos móviles.
Descubre soluciones para distintos sectores
Descubre cómo los equipos aplican la visión artificial de Ultralytics en entornos de producción.
Agricultura
Automoción
Sanidad
Logística
Fabricación
Comercio minorista
Robótica
Agricultura
Automoción
Sanidad
Logística
Fabricación
Comercio minorista
Robótica
Agricultura
Automoción
Sanidad
Logística
Fabricación
Comercio minorista
Robótica
Preguntas frecuentes
La segmentación de instancias detecta cada objeto y lo delimita con una máscara precisa a nivel de píxel, en lugar de limitarse a un cuadro delimitador. Es la tarea adecuada cuando importan la forma, el área o los límites de los objetos; por ejemplo, para medir elementos, separar objetos que se tocan o enmascarar regiones para procesarlas posteriormente. La segmentación con Ultralytics YOLO funciona en tiempo real con la misma API que la detección.
La segmentación de instancias genera una máscara independiente para cada objeto, de modo que dos coches contiguos obtienen dos máscaras. La segmentación semántica asigna una etiqueta de clase a cada píxel de la escena sin separar los objetos individuales. Ultralytics YOLO26 admite ambas: usa la segmentación de instancias para contar y seguir objetos distintos, y la segmentación semántica para comprender la escena completa, por ejemplo, al cartografiar carreteras o vegetación.
Los modelos de segmentación Ultralytics YOLO26 son el punto de partida recomendado para nuevos proyectos, desde el tamaño nano para dispositivos edge hasta variantes más grandes para trabajos en los que la precisión es crítica. Los modelos de segmentación YOLO11 siguen siendo compatibles con el mismo flujo de trabajo.
Anota máscaras y entrena con el modo de entrenamiento de la biblioteca Ultralytics, o utiliza Ultralytics Platform para anotar con herramientas de polígonos inteligentes, entrenar en GPU en la nube y comparar ejecuciones. El ajuste fino a partir de pesos de segmentación preentrenados converge rápidamente con la mayoría de los conjuntos de datos personalizados.
Exporta los modelos entrenados con el modo de exportación a ONNX, OpenVINO, TensorRT, CoreML, LiteRT y otros formatos. El modelo exportado genera las máscaras de segmentación de forma nativa, por lo que el proceso de despliegue sigue siendo sencillo en dispositivos edge, la nube y móviles.
Desarrolla soluciones de segmentación de imágenes con Ultralytics
Anota máscaras, entrena modelos de segmentación YOLO26 y despliégalos en cualquier lugar con Ultralytics Platform.