Segmentación de imágenes YOLO en tiempo real
Ve más allá de las BBox con máscaras de precisión de píxel. Ultralytics YOLO26 admite segmentación de instancias y semántica con el mismo flujo de trabajo rápido de entrenamiento, validación y despliegue que cualquier tarea YOLO.
Modelos de segmentación YOLO26
Los modelos YOLO26-seg detectan objetos y predicen una máscara con precisión de píxel para cada uno, en cinco tamaños desde nano hasta extragrande. La precisión de BBox y máscara se informa por separado a continuación; todos los tamaños se entrenan, validan y exportan mediante 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 box (e2e) | mAP mask (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 |
Benchmarks de segmentación de instancias YOLO26 de la documentación de Ultralytics.
Con la confianza de las organizaciones líderes en el mundo
El impacto de nuestros modelos
Optimiza procesos en todos los sectores con nuestros modelos de IA de visión de vanguardia. Velocidad, precisión y facilidad de uso impulsadas por Ultralytics.
La evolución de los modelos Ultralytics YOLO
Observa cómo evolucionó Ultralytics YOLO desde el flujo de trabajo práctico de YOLOv5 hasta la inferencia de YOLO26 lista para el borde.
Hizo que la detección de objetos en tiempo real fuera accesible con un flujo de trabajo rápido y práctico en PyTorch.
Flujo de trabajo unificado ampliado en detección, segmentación, clasificación, pose y OBB.
Precisión, velocidad y eficiencia mejoradas mientras se conserva el familiar flujo de trabajo de Ultralytics.
Introdujo la inferencia de extremo a extremo y una arquitectura optimizada para un despliegue eficiente en el borde.
Etiqueta hasta 10 veces más rápido con la anotación inteligente
Ultralytics Platform te ofrece la herramienta de anotación de imágenes para crear conjuntos de datos de alta calidad con mayor rapidez. Desde la anotación inteligente hasta la edición manual precisa, estas funciones están diseñadas para reducir el tiempo de etiquetado de imágenes sin sacrificar la calidad.
- Anotación inteligente potenciada por SAM: Máscaras y bounding boxes en un solo clic.
- Cobertura completa de tareas de IA: Detección, segmentación de instancias, segmentación semántica, clasificación, pose, OBB.
- Compatibilidad universal de formatos: Tu elección entre YOLO, COCO, VOC y más.
- Revisión de equipo y control de versiones: Colaboración clara en cada paso.
Entrena en las mejores GPUs por menos
26 NVIDIA GPUs desde 0,24 $/hora — desde Ampere hasta Blackwell. Sin sobreprecios, sin mínimos, sin compromisos.
Implementa en cualquier lugar
Exporta a 20 formatos y despliega en edge, nube y dispositivos móviles.
Explora soluciones para la industria
Mira cómo los equipos aplican la visión por ordenador de Ultralytics en entornos de producción.
IA en agricultura
IA en automoción
IA en sanidad
IA en logística
IA en fabricación
IA en comercio minorista
IA en robótica
IA en agricultura
IA en automoción
IA en sanidad
IA en logística
IA en fabricación
IA en comercio minorista
IA en robótica
IA en agricultura
IA en automoción
IA en sanidad
IA en logística
IA en fabricación
IA en comercio minorista
IA en robótica
Preguntas frecuentes
Instance segmentation detecta cada objeto y lo delimita con una máscara de precisión de píxel en lugar de solo una BBox. Es la tarea adecuada cuando la forma, el área o los límites del objeto importan, por ejemplo, al medir artículos, separar objetos que se tocan o enmascarar regiones para procesos posteriores. La segmentación de Ultralytics YOLO se ejecuta en tiempo real con la misma API que la detección.
La segmentación de instancias genera una máscara separada por objeto, por lo que dos coches adyacentes obtienen dos máscaras. La Semantic segmentation asigna una etiqueta de clase a cada píxel de la escena sin separar objetos individuales. Ultralytics YOLO26 admite ambas: usa instance segmentation para contar y rastrear objetos distintos, y la segmentación semántica para una comprensión completa de la escena, como el mapeo de carreteras o vegetación.
Los modelos de segmentación Ultralytics YOLO26 son el punto de partida recomendado para nuevos proyectos, desde el tamaño nano para dispositivos de borde hasta variantes más grandes para trabajos que requieren precisión. Los modelos de segmentación YOLO11 siguen siendo compatibles a través del mismo flujo de trabajo.
Anota máscaras y entrena con el train mode de la librería de Ultralytics, o utiliza Ultralytics Platform para anotar con herramientas de polígono inteligentes, entrenar en GPUs en la nube y comparar ejecuciones. El ajuste fino desde pesos de segmentación preentrenados converge rápidamente en la mayoría de los datasets personalizados.
Exporta modelos entrenados con export mode a ONNX, TensorRT, CoreML, OpenVINO, LiteRT y más. Las máscaras de segmentación son producidas de forma nativa por el modelo exportado, por lo que la tubería de despliegue permanece simple en objetivos de borde, nube y móviles.
Construye segmentación de imágenes con Ultralytics
Anota máscaras, entrena modelos de segmentación YOLO26 y despliégalos en cualquier lugar con Ultralytics Platform.