Сегментация изображений YOLO в реальном времени
Выходи за рамки ограничивающих прямоугольников с помощью попиксельно точных масок. Ultralytics YOLO26 поддерживает сегментацию экземпляров и семантическую сегментацию, используя тот же быстрый процесс обучения, валидации и развертывания, что и любая другая задача YOLO.
Модели сегментации YOLO26
Модели YOLO26-seg обнаруживают объекты и прогнозируют попиксельно точную маску для каждого из них, доступные в пяти размерах от nano до extra-large. Точность ограничивающих рамок и масок приведена ниже отдельно; все модели поддерживают обучение, валидацию и экспорт через стандартный рабочий процесс 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 (px) | mAP для рамок (e2e) | mAP для масок (e2e) | CPU ONNX (мс) | T4 TensorRT (мс) | Параметры (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 |
Бенчмарки сегментации экземпляров YOLO26 из документации Ultralytics.
Доверяют ведущие мировые организации
Влияние наших моделей
Оптимизируй процессы в различных отраслях с помощью наших передовых моделей компьютерного зрения. Скорость, точность и простота использования от Ultralytics.
Эволюция моделей Ultralytics YOLO
Узнай, как Ultralytics YOLO эволюционировал от практического рабочего процесса YOLOv5 до вывода YOLO26, готового к работе на периферии.
Сделал обнаружение объектов в реальном времени доступным благодаря быстрому и практичному рабочему процессу PyTorch.
Расширен унифицированный рабочий процесс для обнаружения, сегментации, классификации, позы и OBB.
Улучшенная точность, скорость и эффективность при сохранении привычного рабочего процесса Ultralytics.
Представили сквозной вывод и архитектуру, оптимизированную для эффективного развертывания на периферийных устройствах.
Размечай до 10 раз быстрее с помощью умной аннотации
Платформа Ultralytics предоставляет инструмент для аннотирования изображений, позволяющий быстрее создавать высококачественные наборы данных. От умной аннотации до точного ручного редактирования — эти функции разработаны для сокращения времени на разметку изображений без потери качества.
- Умная аннотация на базе SAM: Маски и BBox в один клик.
- Полный охват задач ИИ: Детекция, сегментация экземпляров, семантическая сегментация, классификация, оценка поз, OBB.
- Поддержка универсальных форматов: На твой выбор YOLO, COCO, VOC и другие.
- Командная проверка и версионирование: Прозрачное сотрудничество на каждом этапе.
Обучайся на лучших GPU дешевле
26 NVIDIA GPU по цене от $0.24/час — от Ampere до Blackwell. Никаких наценок, минимальных порогов и обязательств.
Развертывай где угодно
Экспортируй в 20 форматов и разворачивай на периферии, в облаке и на мобильных устройствах.
Изучить отраслевые решения
Посмотри, как команды применяют компьютерное зрение Ultralytics в производственных средах.
ИИ в сельском хозяйстве
ИИ в автомобильной отрасли
ИИ в здравоохранении
ИИ в логистике
ИИ в производстве
ИИ в розничной торговле
ИИ в робототехнике
ИИ в сельском хозяйстве
ИИ в автомобильной отрасли
ИИ в здравоохранении
ИИ в логистике
ИИ в производстве
ИИ в розничной торговле
ИИ в робототехнике
ИИ в сельском хозяйстве
ИИ в автомобильной отрасли
ИИ в здравоохранении
ИИ в логистике
ИИ в производстве
ИИ в розничной торговле
ИИ в робототехнике
Часто задаваемые вопросы
Сегментация экземпляров обнаруживает каждый объект и очерчивает его попиксельно точной маской, а не просто ограничивающей рамкой. Это правильная задача, когда форма, площадь или границы объекта имеют значение — например, для измерения предметов, разделения соприкасающихся объектов или маскирования областей для дальнейшей обработки. Сегментация Ultralytics YOLO работает в режиме реального времени с тем же API, что и обнаружение.
Сегментация экземпляров создает отдельную маску для каждого объекта, поэтому два соседних автомобиля получат две разные маски. Семантическая сегментация присваивает метку класса каждому пикселю сцены без разделения отдельных объектов. Ultralytics YOLO26 поддерживает оба типа: используй сегментацию экземпляров для подсчета и отслеживания отдельных объектов, а семантическую сегментацию — для понимания всей сцены, например, для разметки дорог или растительности.
Модели сегментации Ultralytics YOLO26 — это рекомендуемая отправная точка для новых проектов, начиная с размера nano для периферийных устройств и заканчивая более крупными вариантами для задач, где важна точность. Модели сегментации YOLO11 остаются доступными для использования через тот же рабочий процесс.
Размечай маски и обучай с помощью режима train библиотеки Ultralytics или используй Ultralytics Platform для разметки с помощью умных инструментов для многоугольников, обучения на облачных GPU и сравнения результатов. Дообучение на основе предобученных весов сегментации быстро сходится на большинстве пользовательских наборов данных.
Экспортируй обученные модели с помощью режима export в форматы ONNX, TensorRT, CoreML, OpenVINO, LiteRT и другие. Маски сегментации создаются экспортированной моделью нативно, поэтому процесс развертывания остается простым для любых целей: от периферийных устройств и облака до мобильных платформ.
Создавай сегментацию изображений с Ultralytics
Размечай маски, обучай модели сегментации YOLO26 и развертывай их где угодно с помощью Ultralytics Platform.