中文 · 한국어 · 日本語 · Русский · Deutsch · Français · Español · Português · Türkçe · Tiếng Việt · العربية

Documentação do Ultralytics YOLO#

Ultralytics YOLO é uma família de modelos de visão computacional em tempo real para deteção de objetos, segmentação de instâncias, segmentação semântica, estimativa de profundidade, classificação, estimativa de pose, caixas delimitadoras orientadas e rastreio, disponíveis através de um único pacote Python e CLI. O YOLO26 foi construído com base nos avanços de aprendizagem profunda e visão computacional, apresentando inferência ponta a ponta sem NMS e implementação otimizada para edge. O seu design simplificado torna-o adequado para várias aplicações e facilmente adaptável a diferentes plataformas de hardware, desde dispositivos edge até APIs na nuvem. Para cargas de trabalho de produção estáveis, tanto o YOLO26 como o YOLO11 são recomendados.

Explora a documentação da Ultralytics, um recurso abrangente que cobre o pacote YOLO e a CLI, bem como a Ultralytics Platform, que adiciona anotação de dados, treino na nuvem e implementação sobre os mesmos modelos. Quer sejas um profissional experiente de aprendizagem automática ou novo na área, estes recursos ajudam-te a tirar o máximo partido do YOLO nos teus projetos.

Solicita uma licença empresarial para uso comercial em Ultralytics Licensing.

Comece com dois comandos#

# Install the ultralytics package from PyPI
pip install ultralytics

# Detect objects in an image with a pretrained YOLO26 model
yolo predict model=yolo26n.pt source='https://github.com/ultralytics/assets/releases/download/v0.0.0/bus.jpg'

Os pesos do modelo e a imagem de exemplo são descarregados automaticamente, e o resultado anotado é guardado em runs/detect/predict.

v Consulta o guia de Início Rápido para a referência completa de instalação e utilização.

O que você quer fazer?#

Como esta documentação está organizada#

A maioria dos comandos de fluxo de trabalho de modelos yolo segue uma gramática, yolo [TASK] MODE ARGS, onde a Tarefa é opcional, e esta documentação está organizada em torno das mesmas três partes, mais um atalho:

• Tarefa responde a o que queres de uma imagem: deteção, segmentação de instâncias, segmentação semântica, estimativa de profundidade, classificação, estimativa de pose ou caixas orientadas.
• Modo responde a como usas um modelo: treinar, validar, prever, exportar, rastrear ou fazer benchmark.
• Argumentos configura o comando, desde qual modelo executar com model= até hiperparâmetros como epochs e imgsz.
• Soluções é o atalho: uma aplicação concluída, como contagem de objetos ou um alarme de segurança, que ignora totalmente a Tarefa e o Modo.

Tudo o resto apoia essa gramática: Modelos lista todas as arquiteturas que podes passar para model= — YOLO26, YOLO11, SAM 3, RT-DETR e muito mais — Datasets fornece aquilo em que cada Tarefa é treinada, Guias é uma ampla coleção de tutoriais detalhados que abrangem implementação de hardware, ajuste de hiperparâmetros, conversão de datasets e tutoriais completos de projetos, Integrações liga o pipeline às ferramentas de treino e implementação que já usas, e a secção Referência documenta todas as classes e funções na API Python.

Para além do pacote Python, mais duas superfícies funcionam com os mesmos modelos: a Ultralytics Platform para anotação, treino e implementação na nuvem, e o Ultralytics Inference, uma biblioteca Rust autónoma e CLI para executar modelos exportados sem um ambiente de execução Python.

Licenças YOLO: Como o Ultralytics YOLO é licenciado?#

O Ultralytics oferece duas opções de licenciamento para acomodar diversos casos de uso:

• Licença AGPL-3.0: Esta licença de código aberto aprovada pela OSI é ideal para estudantes e entusiastas, promovendo a colaboração aberta e a partilha de conhecimento. Consulta o ficheiro LICENSE para mais detalhes.
• Licença Empresarial: Para utilização em desenvolvimento e produção, esta licença permite a integração perfeita do software Ultralytics e modelos de IA em produtos e serviços empresariais, incluindo ferramentas internas, fluxos de trabalho automatizados e implementações de produção, contornando os requisitos open-source da AGPL-3.0. Para começar, contacta-nos através de Licenciamento da Ultralytics.

Nossa estratégia de licenciamento foi projetada para garantir que quaisquer melhorias em nossos projetos de código aberto sejam retornadas à comunidade. Acreditamos no open source, e nossa missão é garantir que nossas contribuições possam ser usadas e expandidas de maneiras que beneficiem a todos.

FAQ#

O que é o Ultralytics YOLO e como ele melhora o object detection?#

O Ultralytics YOLO é a aclamada série YOLO (You Only Look Once) para deteção de objetos em tempo real e segmentação de imagens. O modelo mais recente, YOLO26, baseia-se em versões anteriores introduzindo inferência ponta a ponta sem NMS e implementação otimizada para edge. O YOLO suporta várias tarefas de IA de visão tais como deteção, segmentação de instâncias, segmentação semântica, estimativa de profundidade, classificação, estimativa de pose e rastreio. A sua arquitetura eficiente garante excelente velocidade e precisão, tornando-o adequado para diversas aplicações, incluindo dispositivos edge e APIs na nuvem.

Como posso começar com a instalação e configuração do YOLO?#

Começar com o YOLO é rápido e simples. Instala o pacote Ultralytics a partir do pip com pip install ultralytics, depois executa a tua primeira previsão com yolo predict model=yolo26n.pt — os pesos do modelo são descarregados automaticamente. Para instruções abrangentes que cobrem conda, Docker e instalação a partir do código-fonte, visita a página de Início Rápido.

Como posso treinar um modelo YOLO personalizado no meu conjunto de dados?#

Treinar um modelo YOLO personalizado no seu conjunto de dados envolve algumas etapas detalhadas:

1. Prepare seu conjunto de dados anotado e descreva-o em um arquivo YAML de dataset.
2. Carrega um modelo pré-treinado, por exemplo YOLO("yolo26n.pt") em Python.
3. Começa o treino com model.train(data="path/to/dataset.yaml", epochs=100, imgsz=640), ou a partir da linha de comandos com yolo detect train data=path/to/dataset.yaml epochs=100 imgsz=640.

Para um passo a passo detalhado, consulta o nosso guia Treinar um Modelo, que inclui exemplos e dicas para otimizar o teu processo de treino.

Quais são as opções de licenciamento disponíveis para o Ultralytics YOLO?#

O Ultralytics oferece duas opções de licenciamento para o YOLO:

• Licença AGPL-3.0: Esta licença open-source é ideal para uso educacional e não comercial, promovendo a colaboração aberta.
• Licença Enterprise: Para uso em desenvolvimento e produção, incluindo ferramentas internas, fluxos de trabalho automatizados e implantações em produção, contornando os requisitos de código aberto da AGPL-3.0.

Para mais detalhes, visita a nossa página de Licenciamento.

Como o Ultralytics YOLO pode ser usado para rastreamento de objetos em tempo real?#

O Ultralytics YOLO suporta rastreio de múltiplos objetos eficiente e personalizável. Chama YOLO("yolo26n.pt").track(source="path/to/video.mp4") em Python ou executa yolo track source=path/to/video.mp4 a partir da linha de comandos — ambos funcionam com ficheiros de vídeo, transmissões em direto e entrada de webcam. Para um guia detalhado sobre como configurar e executar o rastreio de objetos, consulta a nossa documentação de Modo Rastreio, que explica a configuração e as aplicações práticas em cenários em tempo real.