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

Документация Ultralytics YOLO#

Ultralytics YOLO — это семейство моделей компьютерного зрения в реальном времени для детектирования объектов, сегментации экземпляров, семантической сегментации, оценки глубины, классификации, оценки позы, ориентированных ограничивающих прямоугольников и трекинга, доступное через один пакет Python и CLI. YOLO26 создана на основе достижений в области глубокого обучения и компьютерного зрения, включая сквозной вывод без NMS и оптимизированное развертывание на периферийных устройствах. Ее оптимизированный дизайн делает ее подходящей для различных приложений и легко адаптируемой к различным аппаратным платформам, от периферийных устройств до облачных API. Для стабильных производственных нагрузок рекомендуются как YOLO26, так и YOLO11.

Изучи документацию Ultralytics — исчерпывающий ресурс, охватывающий пакет и CLI YOLO, а также Ultralytics Platform, которая добавляет аннотацию данных, облачное обучение и развертывание поверх тех же моделей. Независимо от того, являешься ли ты опытным специалистом по машинному обучению или новичком в этой области, эти ресурсы помогут тебе извлечь максимум пользы из YOLO в твоих проектах.

Запроси корпоративную лицензию для коммерческого использования на странице Ultralytics Licensing.

Начни работу двумя командами#

# 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'

Веса модели и пример изображения загружаются автоматически, а аннотированный результат сохраняется в runs/detect/predict.

Ознакомься с руководством Quickstart, чтобы получить полную справку по установке и использованию.

Что ты хочешь сделать?#

Как организована эта документация#

Большинство команд рабочего процесса моделей yolo подчиняются одной грамматике yolo [TASK] MODE ARGS, где задача (Task) является необязательной, а эта документация организована вокруг тех же трех частей плюс один ярлык:

• Task отвечает на вопрос, что тебе нужно от изображения: detection, instance segmentation, semantic segmentation, depth estimation, classification, pose estimation или oriented boxes.
• Mode отвечает на вопрос, как ты используешь модель: train, validate, predict, export, track или benchmark.
• Args настраивает команду, определяя, какую model запустить с помощью model=, а также гиперпараметры, такие как epochs и imgsz.
• Solutions — это ярлык: готовое приложение, например подсчет объектов или охранная сигнализация, которое полностью пропускает Task и Mode.

Все остальное поддерживает эту грамматику: Models перечисляют каждую архитектуру, которую ты можешь передать в model= — YOLO26, YOLO11, SAM 3, RT-DETR и другие; Datasets содержит данные, на которых обучается каждая задача; Guides представляет собой обширную коллекцию подробных руководств, охватывающих развертывание оборудования, настройку гиперпараметров, конвертацию датасетов и пошаговые инструкции по проектам; Integrations соединяет пайплайн с уже используемыми инструментами обучения и развертывания; а раздел Reference документирует каждый класс и функцию в API Python.

Помимо пакета Python, на тех же моделях работают еще две среды: Ultralytics Platform для облачной аннотации, обучения и развертывания, а также Ultralytics Inference — отдельная библиотека Rust и CLI для запуска экспортированных моделей без среды выполнения Python.

Лицензии YOLO: как лицензируется Ultralytics YOLO?#

Ultralytics предлагает два варианта лицензирования для удовлетворения различных потребностей:

• Лицензия AGPL-3.0: Эта одобренная OSI открытая лицензия идеально подходит для студентов и энтузиастов, способствуя открытому сотрудничеству и обмену знаниями. Подробнее см. в файле LICENSE.
• Корпоративная лицензия: Для разработки и использования в производстве эта лицензия позволяет легко интегрировать ПО и ИИ-модели Ultralytics в бизнес-продукты и сервисы, включая внутренние инструменты, автоматизированные рабочие процессы и производственные развертывания, обходя требования открытого исходного кода AGPL-3.0. Чтобы начать работу, свяжись с нами через Ultralytics Licensing.

Наша стратегия лицензирования разработана так, чтобы любые улучшения наших проектов с открытым исходным кодом возвращались сообществу. Мы верим в открытый исходный код, и наша миссия — обеспечить использование и развитие наших вкладов способами, которые приносят пользу всем.

FAQ#

Что такое Ultralytics YOLO и как она улучшает обнаружение объектов?#

Ultralytics YOLO — это признанная серия YOLO (You Only Look Once) для детектирования объектов и сегментации изображений в реальном времени. Последняя модель, YOLO26, развивает предыдущие версии, внедряя сквозной вывод без NMS и оптимизированное развертывание на периферии. YOLO поддерживает различные задачи компьютерного зрения, такие как detection, instance segmentation, semantic segmentation, depth estimation, classification, pose estimation и tracking. Ее эффективная архитектура обеспечивает отличную скорость и точность, что делает ее подходящей для разнообразных приложений, включая периферийные устройства и облачные API.

Как мне начать работу с установкой и настройкой YOLO?#

Начать работу с YOLO быстро и просто. Установи пакет Ultralytics из pip с помощью команды pip install ultralytics, затем запусти свое первое предсказание с помощью yolo predict model=yolo26n.pt — веса модели загрузятся автоматически. Подробные инструкции, включая conda, Docker и установку из исходного кода, можно найти на странице Quickstart.

Как я могу обучить собственную модель YOLO на своем наборе данных?#

Обучение собственной модели YOLO на твоем наборе данных включает несколько детальных шагов:

1. Подготовь свой размеченный набор данных и опиши его в файле YAML для датасета.
2. Загрузи предобученную модель, например YOLO("yolo26n.pt") в Python.
3. Начни обучение с помощью model.train(data="path/to/dataset.yaml", epochs=100, imgsz=640) или из командной строки с помощью yolo detect train data=path/to/dataset.yaml epochs=100 imgsz=640.

Для получения подробного руководства ознакомься с нашим руководством Train a Model, которое содержит примеры и советы по оптимизации процесса обучения.

Какие варианты лицензирования доступны для Ultralytics YOLO?#

Ultralytics предлагает два варианта лицензирования для YOLO:

• Лицензия AGPL-3.0: Эта открытая лицензия идеально подходит для образовательных и некоммерческих целей, способствуя открытому сотрудничеству.
• Корпоративная лицензия: Для разработки и производственного использования, включая внутренние инструменты, автоматизированные рабочие процессы и развертывание в продакшене, в обход требований открытого исходного кода AGPL-3.0.

Для получения дополнительной информации посети нашу страницу Licensing.

Как можно использовать Ultralytics YOLO для отслеживания объектов в реальном времени?#

Ultralytics YOLO поддерживает эффективный и настраиваемый трекинг нескольких объектов. Вызови YOLO("yolo26n.pt").track(source="path/to/video.mp4") в Python или выполни yolo track source=path/to/video.mp4 из командной строки — оба варианта работают с видеофайлами, потоковыми трансляциями и вводом с веб-камеры. Подробное руководство по настройке и запуску трекинга объектов см. в нашей документации Track Mode, в которой описаны конфигурация и практические применения в сценариях реального времени.