Segmentación semántica YOLO en tiempo real
Comprende escenas completas con etiquetas de clase densas por píxel. Los modelos de segmentación semántica de Ultralytics clasifican cada píxel (car carreteras, vegetación, edificios, productos) con el mismo flujo de trabajo rápido de entrenamiento y despliegue que cualquier tarea YOLO.
Modelos de segmentación semántica YOLO26
Los modelos YOLO26-sem etiquetan cada píxel de la escena, informados a continuación como el valor medio de IoU a una resolución de 1024×2048. Cinco tamaños abarcan desde el despliegue en el borde hasta el mapeo crítico en precisión, y se documentan variantes adicionales de 640 píxeles para cargas de trabajo más ligeras.
pip install ultralyticsfrom ultralytics import YOLO
# Load a YOLO26 semantic segmentation model
model = YOLO("yolo26n-sem.pt")
# Run inference
results = model("image.jpg")| Modelo | Tamaño (px) | mIoU | RTX 3090 PyTorch (ms) | Parámetros (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 |
Pruebas de rendimiento de la segmentación semántica YOLO26 a 1024×2048 de la documentación de Ultralytics.
La confianza de las organizaciones líderes del mundo
El impacto de nuestros modelos
Optimiza los procesos en todas las industrias con nuestros modelos de IA de visión de vanguardia. Velocidad, precisión y facilidad de uso impulsadas por Ultralytics.
La evolución de los modelos Ultralytics YOLO
Descubre cómo evolucionó Ultralytics YOLO desde el flujo de trabajo práctico de YOLOv5 hasta la inferencia lista para el edge de YOLO26.
Etiqueta hasta 10 veces más rápido con la anotación inteligente
Ultralytics Platform te ofrece la herramienta de anotación de imágenes para crear conjuntos de datos de alta calidad con mayor rapidez. Desde la anotación inteligente hasta la edición manual precisa, estas funciones están diseñadas para reducir el tiempo de etiquetado de imágenes sin sacrificar la calidad.
- Anotación inteligente impulsada por SAM: Máscaras y cuadros delimitadores en un solo clic.
- Cobertura completa de tareas de IA: Detección, segmentación de instancias, segmentación semántica, clasificación, pose, OBB.
- Compatibilidad con formatos universales: Tu elección de YOLO, COCO y más.
- Revisión y versionado en equipo: Colaboración clara en cada paso.
Entrena en las mejores GPUs por menos
26 GPUs NVIDIA desde 0,24 $/h, desde Ampere hasta Blackwell. Sin recargos, sin mínimos, sin compromisos.
Implementa en cualquier lugar
Exporta a 20 formatos e implementa en el perímetro, la nube y dispositivos móviles.
Explora soluciones industriales
Descubre cómo los equipos aplican la visión artificial de Ultralytics en entornos de producción.
Agricultura
Automoción
Salud
Logística
Fabricación
Comercio minorista
Robótica
Agricultura
Automoción
Salud
Logística
Fabricación
Comercio minorista
Robótica
Agricultura
Automoción
Salud
Logística
Fabricación
Comercio minorista
Robótica
Preguntas frecuentes
La segmentación semántica asigna una etiqueta de clase a cada píxel de una imagen, produciendo un mapa denso de toda la escena en lugar de cajas o máscaras por objeto. Responde a preguntas como qué píxeles son carretera, agua, cultivo o defecto, la base para la comprensión de escenas en movilidad, agricultura, inspección y cartografía.
La segmentación semántica etiqueta cada píxel por clase sin separar objetos individuales; todos los coches comparten una etiqueta. La segmentación de instancias produce una máscara distinta por objeto, para que puedas contarlos y rastrearlos. Utiliza la segmentación semántica para la comprensión a nivel de escena y la segmentación de instancias para el análisis a nivel de objeto; Ultralytics admite ambas con un flujo de trabajo.
Los modelos de segmentación semántica de Ultralytics son los primeros de la familia YOLO en producir etiquetas densas por píxel, anunciados en la hoja de ruta de Ultralytics y documentados en la documentación de segmentación semántica. Comparten el conocido flujo de trabajo de entrenamiento, validación y exportación de Ultralytics.
Prepara máscaras por píxel para tus clases y ejecuta el modo de entrenamiento de la biblioteca Ultralytics, o gestiona la anotación, el entrenamiento con GPU en la nube y la evaluación en el navegador con la Plataforma Ultralytics. Ajustar los pesos preentrenados es el camino más rápido hacia resultados sólidos.
Exporta con el modo de exportación a formatos como ONNX, TensorRT y OpenVINO para inferencia en tiempo real en dispositivos perimetrales, vehículos y servidores. Las salidas densas por píxel provienen directamente del modelo exportado, manteniendo simples las canalizaciones posteriores.
Construye segmentación semántica con Ultralytics
Entrena modelos densos de segmentación por píxel y despliégalos en cualquier lugar con la Plataforma Ultralytics.