Gerçek zamanlı YOLO görüntü segmentasyonu
Piksel hassasiyetindeki maskelerle sınırlayıcı kutuların ötesine geç. Ultralytics YOLO26, her YOLO görevindeki aynı hızlı eğitim, doğrulama ve dağıtım iş akışıyla örnek ve semantik segmentasyonu destekler.
YOLO26 segmentasyon modelleri
YOLO26-seg modelleri, nesneleri tespit eder ve her biri için nano boyuttan ekstra büyük boyuta kadar beş farklı boyutta piksel hassasiyetinde maske tahmini yapar. Kutu ve maske doğruluğu aşağıda ayrı ayrı raporlanmıştır; tüm boyutlar standart Ultralytics iş akışı üzerinden 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) | mAP kutu (e2e) | mAP maske (e2e) | CPU ONNX (ms) | T4 TensorRT (ms) | Parametreler (M) | FLOP'lar (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 dokümanlarından YOLO26 örnek segmentasyon karşılaştırmaları.
Dünyanın önde gelen kuruluşlarının güvendiği
Modellerimizin etkisi
Son teknoloji bilgisayarlı görü yapay zeka modellerimizle sektörler genelinde süreçleri kolaylaştırın. Ultralytics tarafından desteklenen hız, doğruluk ve kullanım kolaylığı.
Ultralytics YOLO modellerinin evrimi
Ultralytics YOLO'nun pratik YOLOv5 iş akışından uç birim için hazır YOLO26 çıkarımına nasıl evrildiğini gör.
Hızlı ve pratik bir PyTorch iş akışıyla gerçek zamanlı nesne algılamayı erişilebilir kıldı.
Algılama, segmentasyon, sınıflandırma, pose ve OBB genelinde birleşik iş akışını genişletti.
Tanıdık Ultralytics iş akışını korurken doğruluk, hız ve verimliliği artırdı.
Uç cihazlarda verimli dağıtım için optimize edilmiş bir mimari ve uçtan uca çıkarım özelliğini sundu.
Akıllı etiketleme ile 10 kata kadar daha hızlı etiketle
Ultralytics Platform, yüksek kaliteli veri kümelerini daha hızlı oluşturman için gereken görüntü etiketleme aracını sana sunar. Akıllı etiketlemeden hassas manuel düzenlemeye kadar bu özellikler, kaliteden ödün vermeden görüntü etiketleme süresini azaltmak için tasarlanmıştır.
- SAM destekli akıllı etiketleme: Tek tıkla maskeler ve sınırlayıcı kutular.
- Tam AI görev kapsamı: Algılama, örnek segmentasyonu, anlamsal segmentasyon, sınıflandırma, poz tahmini, OBB.
- Evrensel format desteği: YOLO, COCO, VOC ve daha fazlası arasından seçimin.
- Ekip incelemesi ve sürüm yönetimi: Her adımda net iş birliği.
En İyi GPU'lar üzerinde daha ucuza eğitim yapın
Ampere'den Blackwell'e kadar 26 NVIDIA GPU, saatlik 0,24$ başlangıç fiyatıyla. Ek ücret yok, alt limit yok, taahhüt yok.
Her yere dağıtın
20 formata dışarı aktar ve uç cihazlarda, bulutta ve mobilde dağıtım yap.
Sektörel çözümleri keşfedin
Ekiplerin Ultralytics bilgisayarlı görü teknolojisini üretim ortamlarında nasıl uyguladığını görün.
Tarımda yapay zeka
Otomotivde yapay zeka
Sağlıkta yapay zeka
Lojistikte yapay zeka
Üretimde yapay zeka
Perakendede yapay zeka
Robotikte yapay zeka
Tarımda yapay zeka
Otomotivde yapay zeka
Sağlıkta yapay zeka
Lojistikte yapay zeka
Üretimde yapay zeka
Perakendede yapay zeka
Robotikte yapay zeka
Tarımda yapay zeka
Otomotivde yapay zeka
Sağlıkta yapay zeka
Lojistikte yapay zeka
Üretimde yapay zeka
Perakendede yapay zeka
Robotikte yapay zeka
Sıkça sorulan sorular
Örnek segmentasyonu, her bir nesneyi tespit eder ve onu sadece sınırlayıcı kutu yerine piksel hassasiyetinde bir maske ile ana hatlarıyla belirtir. Nesne şekli, alanı veya sınırları önemli olduğunda — örneğin öğeleri ölçerken, birbirine değen nesneleri ayırırken veya sonraki işlemler için bölgeleri maskelerken — doğru görev budur. Ultralytics YOLO segmentasyonu, tespit ile aynı API üzerinden gerçek zamanlı çalışır.
Örnek segmentasyonu nesne başına ayrı bir maske üretir, böylece bitişik iki araba iki ayrı maske alır. Semantik segmentasyon, bireysel nesneleri ayırmadan sahnedeki her piksele bir sınıf etiketi atar. Ultralytics YOLO26 her ikisini de destekler: belirgin nesneleri saymak ve takip etmek için örnek segmentasyonunu, yol veya bitki örtüsü haritalama gibi tam sahne anlayışı için ise semantik segmentasyonu kullan.
Ultralytics YOLO26 segmentasyon modelleri, uç cihazlar için nano boyuttan, doğruluk kritik çalışmalar için daha büyük varyantlara kadar yeni projeler için önerilen başlangıç noktasıdır. YOLO11 segmentasyon modelleri aynı iş akışı üzerinden desteklenmeye devam etmektedir.
Maskeleri etiketle ve Ultralytics kütüphanesinin eğitim modu ile eğit veya akıllı çokgen araçlarıyla etiketleme yapmak, bulut GPU'larında eğitmek ve çalışmaları karşılaştırmak için Ultralytics Platform kullan. Önceden eğitilmiş segmentasyon ağırlıklarından ince ayar yapmak, çoğu özel veri kümesinde hızla yakınsar.
Eğitilmiş modelleri dışa aktarma modu ile ONNX, TensorRT, CoreML, OpenVINO, LiteRT ve daha fazlasına aktar. Segmentasyon maskeleri dışa aktarılan model tarafından yerel olarak üretilir, bu sayede dağıtım hattı uç, bulut ve mobil hedeflerde basit kalır.
Ultralytics ile görüntü segmentasyonu oluştur
Maskeleri etiketle, YOLO26 segmentasyon modellerini eğit ve Ultralytics Platform ile istediğin yerde dağıt.