Semantische Segmentierung mit YOLO in Echtzeit
Verstehe ganze Szenen mit dichten Klassenlabels pro Pixel. Die Modelle für die semantische Segmentierung von Ultralytics klassifizieren jedes Pixel — Straßen, Vegetation, Gebäude, Produkte — mit demselben schnellen Trainings- und Deployment-Workflow wie jede YOLO-Aufgabe.
YOLO26-Modelle für die semantische Segmentierung
YOLO26-sem-Modelle kennzeichnen jedes Pixel in der Szene, nachfolgend angegeben als durchschnittliche IoU bei einer Auflösung von 1024×2048. Fünf Größen decken den Bereich vom Edge-Deployment bis zum genauigkeitskritischen Mapping ab, und zusätzliche 640-Pixel-Varianten sind für leichtere Workloads dokumentiert.
pip install ultralyticsfrom ultralytics import YOLO
# Load a YOLO26 semantic segmentation model
model = YOLO("yolo26n-sem.pt")
# Run inference
results = model("image.jpg")| Modell | Größe (px) | mIoU | RTX 3090 PyTorch (ms) | Parameter (M) | FLOPs (B) |
|---|---|---|---|---|---|
| YOLO26n-sem | 1024 × 2048 | 78.3 | 4.4 ± 0.0 | 1.6 | 22.7 |
| YOLO26s-sem | 1024 × 2048 | 80.8 | 8.4 ± 0.0 | 6.5 | 88.8 |
| YOLO26m-sem | 1024 × 2048 | 82.0 | 19.9 ± 0.1 | 14.3 | 304.5 |
| YOLO26l-sem | 1024 × 2048 | 82.9 | 26.5 ± 0.1 | 17.9 | 384.7 |
| YOLO26x-sem | 1024 × 2048 | 83.6 | 48.9 ± 0.2 | 40.2 | 861.7 |
Benchmarks für die semantische Segmentierung mit YOLO26 bei 1024×2048 aus der Ultralytics-Dokumentation.
Von weltweit führenden Unternehmen vertraut
Die Wirkung unserer Modelle
Optimiere Prozesse branchenübergreifend mit unseren hochmodernen Vision-KI-Modellen. Geschwindigkeit, Genauigkeit und Benutzerfreundlichkeit, angetrieben von Ultralytics.
Die Evolution der Ultralytics-YOLO-Modelle
Erfahre, wie sich Ultralytics YOLO vom praktischen YOLOv5-Workflow zur Edge-Ready-YOLO26-Inferenz entwickelt hat.
Beschrifte bis zu 10x schneller mit intelligenter Annotation
Ultralytics Platform bietet dir das Bildannotationstool, um schneller hochwertige Datensätze zu erstellen. Von smarter Annotation bis hin zur präzisen manuellen Bearbeitung sind diese Funktionen darauf ausgelegt, den Zeitaufwand für die Bildbeschriftung zu reduzieren, ohne Abstriche bei der Qualität zu machen.
- SAM-gestützte intelligente Annotation: Masken und Bounding Boxes mit einem Klick.
- Vollständige KI-Aufgabenabdeckung: Erkennung, Instanzsegmentierung, semantische Segmentierung, Klassifizierung, Pose, OBB.
- Unterstützung universeller Formate: Deine Wahl aus YOLO, COCO und mehr.
- Team-Review und Versionierung: Klare Zusammenarbeit bei jedem Schritt.
Trainiere auf den besten GPUs zu geringeren Kosten
26 NVIDIA GPUs ab 0,24 $/Std. – von Ampere bis Blackwell. Kein Aufschlag, kein Mindestbetrag, keine Verpflichtung.
Branchenlösungen erkunden
Sieh dir an, wie Teams die Computer Vision von Ultralytics in Produktionsumgebungen einsetzen.
Landwirtschaft
Automobilindustrie
Gesundheitswesen
Logistik
Fertigung
Einzelhandel
Robotik
Landwirtschaft
Automobilindustrie
Gesundheitswesen
Logistik
Fertigung
Einzelhandel
Robotik
Landwirtschaft
Automobilindustrie
Gesundheitswesen
Logistik
Fertigung
Einzelhandel
Robotik
Häufig gestellte Fragen
Semantische Segmentierung weist jedem Pixel in einem Bild ein Klassenlabel zu und erzeugt so eine dichte Karte der gesamten Szene anstelle von Bounding-Boxen oder objektbezogenen Masken. Sie beantwortet Fragen dazu, welche Pixel Straße, Wasser, Nutzpflanzen oder Defekte sind – das Fundament für das Szenenverständnis in Mobilität, Landwirtschaft, Inspektion und Kartierung.
Die semantische Segmentierung labelt jedes Pixel nach Klasse, ohne einzelne Objekte zu trennen – alle Autos teilen sich ein Label. Instanzsegmentierung erzeugt eine eigene Maske pro Objekt, sodass du diese zählen und verfolgen kannst. Verwende die semantische Segmentierung für das szenenweite Verständnis und die Instanzsegmentierung für die objektbasierte Analyse; Ultralytics unterstützt beides mit einem einzigen Workflow.
Die Modelle zur semantischen Segmentierung von Ultralytics sind die ersten in der YOLO-Familie, die dichte Labels pro Pixel erzeugen, wie auf der Ultralytics-Roadmap angekündigt und in der Dokumentation zur semantischen Segmentierung dokumentiert ist. Sie nutzen denselben vertrauten Trainings-, Validierungs- und Export-Workflow von Ultralytics.
Bereite Masken pro Pixel für deine Klassen vor und führe den Train-Modus der Ultralytics-Bibliothek aus oder verwalte Annotation, Cloud-GPU-Training und Evaluierung direkt im Browser mit der Ultralytics Platform. Das Fine-Tuning vortrainierter Weights ist der schnellste Weg zu starken Ergebnissen.
Exportiere mit dem Export-Modus in Formate wie ONNX, TensorRT und OpenVINO für die Echtzeit-Inferenz auf Edge-Geräten, Fahrzeugen und Servern. Dichte Ausgaben pro Pixel stammen direkt vom exportierten Modell, wodurch nachgelagerte Pipelines einfach bleiben.
Semantische Segmentierung mit Ultralytics erstellen
Trainiere dichte Segmentierungsmodelle pro Pixel und deploye sie überall mit der Ultralytics Platform.