Сегментация изображений в реальном времени с YOLO
Выйди за рамки ограничивающих рамок с помощью масок с точностью до пикселя. Ultralytics YOLO26 поддерживает сегментацию экземпляров и семантическую сегментацию, используя такие же быстрые рабочие процессы обучения, валидации и развёртывания, как и для остальных задач YOLO.
Модели сегментации YOLO26
Модели YOLO26-seg обнаруживают объекты и предсказывают для каждого из них маску с точностью до пикселя. Доступны пять размеров — от nano до extra-large. Точность рамок и масок приводится отдельно ниже; обучение, валидация и экспорт моделей любого размера выполняются в стандартном рабочем процессе Ultralytics.
pip install ultralyticsfrom ultralytics import YOLO
# Load a YOLO26 segmentation model
model = YOLO("yolo26n-seg.pt")
# Run inference
results = model("image.jpg")| Модель | Размер (пикс.) | mAP рамки (e2e) | mAP маски (e2e) | CPU ONNX (мс) | T4 TensorRT (мс) | Параметры (млн) | FLOPs (млрд) |
|---|---|---|---|---|---|---|---|
| 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 |
Результаты тестирования сегментации экземпляров YOLO26 из документации Ultralytics.
Нам доверяют ведущие организации мира
Влияние наших моделей
Оптимизируй процессы в разных отраслях с помощью наших передовых моделей компьютерного зрения на базе ИИ. Скорость, точность и простота использования — всё это обеспечивают технологии Ultralytics.
Эволюция моделей Ultralytics YOLO
Узнай, как Ultralytics YOLO прошла путь от практичного рабочего процесса YOLOv5 до инференса YOLO26 на периферийных устройствах.
Размечай данные до 10 раз быстрее с помощью интеллектуальной аннотации
Ultralytics Platform предоставляет инструмент аннотации изображений, который помогает быстрее создавать качественные наборы данных. От интеллектуальной аннотации до точного ручного редактирования — эти функции сокращают время разметки изображений без потери качества.
- Интеллектуальная аннотация на базе SAM:Маски и ограничивающие рамки одним щелчком.
- Полный охват задач ИИ:Обнаружение объектов, сегментация экземпляров, семантическая сегментация, классификация, оценка позы, OBB.
- Поддержка универсальных форматов:Выбирай YOLO, COCO и другие форматы.
- Командная проверка и управление версиями:Понятное взаимодействие на каждом этапе.
Обучай модели на лучших GPU дешевле
26 GPU NVIDIA от $0,24 в час — от Ampere до Blackwell. Без наценок, минимальных заказов и обязательств.
Развёртывай где угодно
Экспортируй в 22 формата и развёртывай на периферийных устройствах, в облаке и на мобильных устройствах.
Решения для разных отраслей
Узнай, как команды применяют компьютерное зрение Ultralytics в производственной среде.
Сельское хозяйство
Автомобилестроение
Здравоохранение
Логистика
Производство
Розничная торговля
Робототехника
Сельское хозяйство
Автомобилестроение
Здравоохранение
Логистика
Производство
Розничная торговля
Робототехника
Сельское хозяйство
Автомобилестроение
Здравоохранение
Логистика
Производство
Розничная торговля
Робототехника
Часто задаваемые вопросы
Сегментация экземпляров обнаруживает каждый объект и очерчивает его маской с точностью до пикселя, а не только ограничивающей рамкой. Эта задача подходит, когда важны форма, площадь или границы объекта, например при измерении предметов, разделении соприкасающихся объектов или маскировании областей для последующей обработки. Сегментация Ultralytics YOLO выполняется в реальном времени через тот же API, что и обнаружение объектов.
Сегментация экземпляров создаёт отдельную маску для каждого объекта, поэтому две соседние машины получают две маски. Семантическая сегментация присваивает метку класса каждому пикселю сцены, не разделяя отдельные объекты. Ultralytics YOLO26 поддерживает оба варианта: используй сегментацию экземпляров, чтобы считать и отслеживать отдельные объекты, а семантическую сегментацию — для анализа всей сцены, например карт дорог или растительности.
Модели сегментации Ultralytics YOLO26 — рекомендуемая отправная точка для новых проектов: от размера nano для периферийных устройств до более крупных вариантов для задач, где точность критически важна. Модели сегментации YOLO11 по-прежнему поддерживаются в том же рабочем процессе.
Аннотируй маски и обучай модель с помощью режима train библиотеки Ultralytics или используй Ultralytics Platform, чтобы размечать данные с помощью интеллектуальных инструментов для полигонов, обучать модели на облачных GPU и сравнивать запуски. Тонкая настройка предварительно обученных весов для сегментации быстро сходится на большинстве пользовательских датасетов.
Экспортируй обученные модели с помощью режима export в ONNX, OpenVINO, TensorRT, CoreML, LiteRT и другие форматы. Экспортированная модель сама создаёт маски сегментации, поэтому конвейер развёртывания остаётся простым для периферийных устройств, облака и мобильных платформ.
Создавай решения для сегментации изображений с Ultralytics
Аннотируй маски, обучай модели сегментации YOLO26 и развёртывай их где угодно с помощью Ultralytics Platform.