Segmentation d'images YOLO en temps réel
Va au-delà des boîtes englobantes avec des masques précis au niveau du pixel. Ultralytics YOLO26 prend en charge la segmentation d'instance et sémantique avec le même flux de travail rapide d'entraînement, de validation et de déploiement que n'importe quelle tâche YOLO.
Modèles de segmentation YOLO26
Les modèles YOLO26-seg détectent des objets et prédisent un masque précis au niveau du pixel pour chacun d'entre eux, en cinq tailles, de nano à extra-large. La précision des BBox et des masques est rapportée séparément ci-dessous ; toutes les tailles s'entraînent, se valident et s'exportent via le flux de travail Ultralytics standard.
pip install ultralyticsfrom ultralytics import YOLO
# Load a YOLO26 segmentation model
model = YOLO("yolo26n-seg.pt")
# Run inference
results = model("image.jpg")| Modèle | Taille (px) | mAP box (e2e) | mAP mask (e2e) | CPU ONNX (ms) | T4 TensorRT (ms) | Params (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 segmentation d'instance YOLO26 issus de la documentation Ultralytics.
Approuvé par les organisations leaders dans le monde
L'impact de nos modèles
Optimise tes processus dans tous les secteurs grâce à nos modèles de vision par ordinateur de pointe. Vitesse, précision et facilité d'utilisation propulsées par Ultralytics.
L'évolution des modèles Ultralytics YOLO
Découvre comment Ultralytics YOLO a évolué depuis le workflow pratique YOLOv5 vers l'inférence YOLO26 prête pour l'Edge.
A rendu la détection d'objets en temps réel accessible avec un workflow PyTorch rapide et pratique.
Flux de travail unifié étendu à la détection, la segmentation, la classification, la pose et l'OBB.
Précision, vitesse et efficacité améliorées tout en préservant le flux de travail Ultralytics familier.
Introduction de l'inférence de bout en bout et d'une architecture optimisée pour un déploiement efficace en périphérie (edge).
Étiquette jusqu'à 10 fois plus vite grâce à l'annotation intelligente
La plateforme Ultralytics te fournit l'outil d'annotation d'images pour créer des jeux de données de haute qualité plus rapidement. De l'annotation intelligente à l'édition manuelle précise, ces fonctionnalités sont conçues pour réduire le temps d'étiquetage des images sans sacrifier la qualité.
- Annotation intelligente propulsée par SAM : Masques et BBox en un seul clic.
- Couverture complète des tâches d'IA : Détection, segmentation d'instance, segmentation sémantique, classification, pose, OBB.
- Prise en charge universelle des formats : Ton choix parmi YOLO, COCO, VOC, et plus encore.
- Revue d'équipe et versioning : Une collaboration claire à chaque étape.
Entraîne sur les meilleurs GPU pour moins cher
26 GPU NVIDIA à partir de 0,24 $/heure — de Ampere à Blackwell. Pas de majoration, pas de minimum, pas d'engagement.
Déploie n'importe où
Exporte vers 20 formats et déploie sur la périphérie, le cloud et le mobile.
Explorer les solutions industrielles
Découvre comment les équipes appliquent la vision par ordinateur d'Ultralytics dans les environnements de production.
IA dans l'agriculture
IA dans l'automobile
IA dans la santé
IA dans la logistique
IA dans la fabrication
IA dans le commerce de détail
IA en robotique
IA dans l'agriculture
IA dans l'automobile
IA dans la santé
IA dans la logistique
IA dans la fabrication
IA dans le commerce de détail
IA en robotique
IA dans l'agriculture
IA dans l'automobile
IA dans la santé
IA dans la logistique
IA dans la fabrication
IA dans le commerce de détail
IA en robotique
Questions fréquemment posées
La segmentation d'instance détecte chaque objet et le délimite avec un masque précis au pixel près au lieu d'utiliser uniquement une boîte englobante. C'est la tâche appropriée lorsque la forme, la surface ou les limites d'un objet sont importantes — par exemple pour mesurer des articles, séparer des objets qui se touchent, ou masquer des régions pour un traitement ultérieur. La segmentation Ultralytics YOLO s'exécute en temps réel avec la même API que la détection.
La segmentation d'instance produit un masque séparé par objet, de sorte que deux voitures adjacentes obtiennent deux masques. La segmentation sémantique attribue une étiquette de classe à chaque pixel de la scène sans séparer les objets individuels. Ultralytics YOLO26 prend en charge les deux : utilise la segmentation d'instance pour compter et suivre des objets distincts, et la segmentation sémantique pour une compréhension complète de la scène telle que la cartographie des routes ou de la végétation.
Les modèles de segmentation Ultralytics YOLO26 sont le point de départ recommandé pour les nouveaux projets, de la taille nano pour les appareils en périphérie (edge) aux variantes plus grandes pour les travaux où la précision est critique. Les modèles de segmentation YOLO11 restent pris en charge via le même flux de travail.
Annote les masques et entraîne-les avec le mode d'entraînement de la bibliothèque Ultralytics, ou utilise Ultralytics Platform pour annoter avec des outils de polygone intelligents, entraîner sur des GPU cloud, et comparer les exécutions. Le réglage fin (fine-tuning) à partir de poids de segmentation pré-entraînés converge rapidement sur la plupart des jeux de données personnalisés.
Exporte les modèles entraînés avec le mode d'exportation vers ONNX, TensorRT, CoreML, OpenVINO, LiteRT, et plus encore. Les masques de segmentation sont produits nativement par le modèle exporté, ainsi le pipeline de déploiement reste simple à travers les cibles edge, cloud et mobiles.
Construis la segmentation d'images avec Ultralytics
Annote les masques, entraîne des modèles de segmentation YOLO26, et déploie-les partout avec Ultralytics Platform.