Semantische Segmentierung in Echtzeit mit YOLO
Erfasse ganze Szenen mit dichten Klassenlabels für jedes Pixel. Die semantischen Segmentierungsmodelle von Ultralytics klassifizieren jedes Pixel – Straßen, Vegetation, Gebäude, Produkte – mit demselben schnellen Trainings- und Bereitstellungsablauf wie bei allen YOLO-Aufgaben.
YOLO26-Modelle zur semantischen Segmentierung
YOLO26-sem-Modelle klassifizieren jedes Pixel einer Szene. Die Ergebnisse werden unten als mittlere IoU bei einer Auflösung von 1024×2048 angegeben. Fünf Größen decken alles ab – von der Bereitstellung auf Edge-Geräten bis zur Kartierung mit hohen Genauigkeitsanforderungen. Für weniger anspruchsvolle Aufgaben sind außerdem Varianten mit 640 Pixeln 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 | PyTorch auf RTX 3090 (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 zur semantischen Segmentierung mit YOLO26 bei 1024×2048 aus der Ultralytics-Dokumentation.
Weltweit führende Organisationen vertrauen uns
Die Wirkung unserer Modelle
Optimiere Abläufe in verschiedenen Branchen mit unseren hochmodernen Vision-AI-Modellen. Ultralytics sorgt für Geschwindigkeit, Genauigkeit und einfache Bedienung.
Die Entwicklung der Ultralytics-YOLO-Modelle
Sieh dir an, wie sich Ultralytics YOLO vom praktischen YOLOv5-Ablauf bis zur Inferenz mit YOLO26 für Edge-Geräte weiterentwickelt hat.
Bis zu 10-mal schneller beschriften – mit intelligenter Annotation
Die Ultralytics Platform bietet dir ein Bild-Annotationstool, mit dem du schneller hochwertige Datensätze erstellst. Von intelligenter Annotation bis hin zu präziser manueller Bearbeitung: Diese Funktionen verkürzen die Zeit für die Bildbeschriftung, ohne die Qualität zu beeinträchtigen.
- Intelligente, von SAM unterstützte Annotation:Masken und Begrenzungsrahmen mit einem Klick.
- Unterstützung für alle KI-Aufgaben:Objekterkennung, Instanzsegmentierung, semantische Segmentierung, Klassifizierung, Posenschätzung, OBB.
- Unterstützung universeller Formate:Du hast die Wahl zwischen YOLO, COCO und mehr.
- Teamprüfung und Versionsverwaltung:Klare Zusammenarbeit bei jedem Schritt.
Trainiere günstiger auf den besten GPUs
26 NVIDIA-GPUs ab $0.24/Std. – von Ampere bis Blackwell. Keine Aufschläge, keine Mindestabnahme, keine Vertragsbindung.
Überall bereitstellen
In 23 Formate exportieren und auf Edge-Geräten, in der Cloud und auf Mobilgeräten bereitstellen.
Lösungen für verschiedene Branchen entdecken
Erfahre, wie Teams Computer Vision von Ultralytics in Produktionsumgebungen einsetzen.
Landwirtschaft
Automobilindustrie
Gesundheitswesen
Logistik
Fertigung
Einzelhandel
Robotik
Häufig gestellte Fragen
Bei der semantischen Segmentierung wird jedem Pixel in einem Bild ein Klassenlabel zugewiesen. So entsteht eine dichte Karte der gesamten Szene statt einzelner Boxen oder Objektmasken. Damit lassen sich Fragen beantworten wie: Welche Pixel gehören zur Straße, zum Wasser, zu Nutzpflanzen oder zu einem Defekt? Das bildet die Grundlage für das Szenenverständnis in den Bereichen Mobilität, Landwirtschaft, Inspektion und Kartierung.
Bei der semantischen Segmentierung wird jedes Pixel einer Klasse zugeordnet, ohne einzelne Objekte voneinander zu unterscheiden – alle Autos erhalten dasselbe Label. Die Instanzsegmentierung erzeugt für jedes Objekt eine eigene Maske, sodass du Objekte zählen und verfolgen kannst. Nutze semantische Segmentierung für das Verständnis ganzer Szenen und Instanzsegmentierung für die Analyse einzelner Objekte; Ultralytics unterstützt beides in einem Workflow.
Die semantischen Segmentierungsmodelle von Ultralytics sind die ersten Modelle der YOLO-Familie, die dichte Labels für jedes Pixel erzeugen. Sie wurden auf der Ultralytics-Roadmap angekündigt und in der Dokumentation zur semantischen Segmentierung beschrieben. Sie nutzen den vertrauten Trainings-, Validierungs- und Export-Workflow von Ultralytics.
Erstelle Masken für jedes Pixel deiner Klassen und starte den Trainingsmodus der Ultralytics-Bibliothek oder verwalte Annotationen, GPU-Training in der Cloud und Auswertungen im Browser mit der Ultralytics Platform. Mit vortrainierten Gewichten zu beginnen und das Modell feinzujustieren, ist der schnellste Weg zu guten Ergebnissen.
Exportiere das Modell mit dem Exportmodus in Formate wie ONNX, OpenVINO und TensorRT, um Echtzeit-Inferenz auf Edge-Geräten, in Fahrzeugen und auf Servern auszuführen. Das exportierte Modell liefert direkt dichte Ausgaben für jedes Pixel und hält so nachgelagerte Verarbeitungsketten einfach.
Entwickle Lösungen für semantische Segmentierung mit Ultralytics
Trainiere Segmentierungsmodelle mit Ausgaben für jedes Pixel und stelle sie mit der Ultralytics Platform überall bereit.