Gerçek zamanlı YOLO görüntü segmentasyonu
Piksel düzeyinde hassas maskelerle sınırlayıcı kutuların ötesine geç. Ultralytics YOLO26, tüm YOLO görevlerinde olduğu gibi aynı hızlı eğitim, doğrulama ve dağıtım iş akışıyla örnek ve anlamsal segmentasyonu destekler.
YOLO26 segmentasyon modelleri
YOLO26-seg modelleri nesneleri algılar ve her biri için piksel düzeyinde hassas bir maske tahmin eder; nano boyuttan ekstra büyüğe kadar beş boyutta sunulur. Kutu ve maske doğrulukları aşağıda ayrı ayrı raporlanır; tüm boyutlar standart Ultralytics iş akışıyla eğitilir, doğrulanır ve dışa aktarılır.
pip install ultralyticsfrom ultralytics import YOLO
# Load a YOLO26 segmentation model
model = YOLO("yolo26n-seg.pt")
# Run inference
results = model("image.jpg")| Model | Boyut (px) | Kutu mAP (e2e) | Maske mAP (e2e) | CPU ONNX (ms) | T4 TensorRT (ms) | Parametre (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 |
Ultralytics belgelerinden YOLO26 örnek segmentasyonu kıyaslama sonuçları.
Dünyanın önde gelen kuruluşlarının tercihi
Modellerimizin etkisi
En yeni görüntü yapay zekâ modellerimizle sektörler genelindeki süreçleri kolaylaştır. Ultralytics'in sunduğu hız, doğruluk ve kullanım kolaylığı.
Ultralytics YOLO modellerinin gelişimi
Ultralytics YOLO'nun pratik YOLOv5 iş akışından uç cihazlara hazır YOLO26 çıkarımına nasıl evrildiğini gör.
Akıllı anotasyonla 10 kata kadar daha hızlı etiketle
Ultralytics Platform, yüksek kaliteli veri kümelerini daha hızlı oluşturman için görüntü anotasyon aracı sunar. Akıllı anotasyondan hassas manuel düzenlemeye kadar bu özellikler, kaliteden ödün vermeden görüntü etiketleme süresini azaltmak için tasarlandı.
- SAM destekli akıllı anotasyon:Maskeler ve sınırlayıcı kutular tek tıkla.
- Tüm yapay zekâ görevlerini kapsar:Nesne algılama, örnek segmentasyonu, anlamsal segmentasyon, sınıflandırma, poz tahmini, OBB.
- Evrensel biçim desteği:YOLO, COCO ve daha fazlası arasından seçim yap.
- Ekip incelemesi ve sürüm takibi:Her adımda sorunsuz iş birliği.
En iyi GPU'larda daha ucuza eğitim yap
Ampere'den Blackwell'e 26 NVIDIA GPU, saati 0,24 $'dan başlayan fiyatlarla. Ek ücret yok, minimum kullanım yok, taahhüt yok.
Sektörel çözümleri keşfet
Ekiplerin Ultralytics bilgisayarlı görü teknolojisini üretim ortamlarında nasıl kullandığını gör.
Tarım
Otomotiv
Sağlık
Lojistik
Üretim
Perakende
Robotik
Tarım
Otomotiv
Sağlık
Lojistik
Üretim
Perakende
Robotik
Tarım
Otomotiv
Sağlık
Lojistik
Üretim
Perakende
Robotik
Sık sorulan sorular
Örnek segmentasyonu, her nesneyi algılar ve yalnızca bir sınırlayıcı kutu yerine piksel düzeyinde hassas bir maskeyle sınırlarını belirler. Nesnenin şekli, alanı veya sınırları önemli olduğunda doğru görev budur; örneğin öğeleri ölçmek, birbirine dokunan nesneleri ayırmak veya sonraki işlemler için bölgeleri maskelemek. Ultralytics YOLO segmentasyonu, algılamayla aynı API'yi kullanarak gerçek zamanlı çalışır.
Örnek segmentasyonu her nesne için ayrı bir maske üretir; bu nedenle yan yana duran iki araba iki maske alır. Anlamsal segmentasyon, tek tek nesneleri birbirinden ayırmadan sahnedeki her piksele bir sınıf etiketi atar. Ultralytics YOLO26 her ikisini de destekler: Farklı nesneleri saymak ve izlemek için örnek segmentasyonunu, yol veya bitki örtüsü haritalama gibi tüm sahneyi anlamak içinse anlamsal segmentasyonu kullan.
Ultralytics YOLO26 segmentasyon modelleri, uç cihazlar için nano boyuttan doğruluğun kritik olduğu işler için daha büyük varyantlara kadar yeni projeler için önerilen başlangıç noktasıdır. YOLO11 segmentasyon modelleri de aynı iş akışı üzerinden desteklenmeye devam ediyor.
Maskelere açıklama ekleyip Ultralytics kütüphanesinin eğitim moduyla eğitim yap veya akıllı çokgen araçlarıyla açıklama eklemek, bulut GPU'larında eğitim yapmak ve çalıştırmaları karşılaştırmak için Ultralytics Platform kullan. Önceden eğitilmiş segmentasyon ağırlıklarında yapılan ince ayar, çoğu özel veri kümesinde hızlı yakınsar.
Eğitilmiş modelleri ONNX, OpenVINO, TensorRT, CoreML, LiteRT ve daha fazlasına aktarmak için dışa aktarma modunu kullan. Segmentasyon maskeleri dışa aktarılan model tarafından yerel olarak üretilir; böylece uç cihaz, bulut ve mobil hedeflerde dağıtım iş akışı basit kalır.
Ultralytics ile görüntü segmentasyonu geliştir
Ultralytics Platform ile maskelere açıklama ekle, YOLO26 segmentasyon modellerini eğit ve her yerde dağıt.