Segmentación semántica en tiempo real con YOLO
Comprende escenas completas con etiquetas de clase densas para cada píxel. Los modelos de segmentación semántica de Ultralytics clasifican todos los píxeles —carreteras, vegetación, edificios, productos— con el mismo flujo de trabajo rápido de entrenamiento y despliegue que cualquier tarea de YOLO.
Modelos de segmentación semántica YOLO26
Los modelos YOLO26-sem asignan una etiqueta a cada píxel de la escena; los resultados que aparecen a continuación se expresan como IoU medio a una resolución de 1024×2048. Sus cinco tamaños cubren desde el despliegue en edge hasta la cartografía que requiere gran precisión, y la documentación incluye 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 | PyTorch en RTX 3090 (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 referencia de segmentación semántica de YOLO26 a 1024×2048 según la documentación de Ultralytics.
La confianza de las organizaciones líderes del mundo
El impacto de nuestros modelos
Agiliza los procesos en distintos sectores con nuestros modelos de IA de visión de vanguardia. Velocidad, precisión y facilidad de uso gracias a Ultralytics.
La evolución de los modelos YOLO de Ultralytics
Descubre cómo evolucionó Ultralytics YOLO desde el práctico flujo de trabajo de YOLOv5 hasta la inferencia de YOLO26 lista para edge.
Etiqueta hasta 10 veces más rápido con anotaciones inteligentes
Ultralytics Platform te ofrece una herramienta de anotación de imágenes para crear conjuntos de datos de alta calidad más rápido. Desde las anotaciones inteligentes hasta la edición manual precisa, estas funciones están diseñadas para reducir el tiempo de etiquetado de imágenes sin sacrificar la calidad.
- Anotación inteligente con SAM:Máscaras y cuadros delimitadores con un solo clic.
- Cobertura completa de tareas de IA:Detección, segmentación de instancias, segmentación semántica, clasificación, estimación de pose y OBB.
- Compatibilidad con formatos universales:Elige YOLO, COCO y muchos más.
- Revisión y control de versiones en equipo:Colaboración clara en cada paso.
Entrena con las mejores GPU por menos
26 GPU NVIDIA desde $0.24/h: de Ampere a Blackwell. Sin recargos, sin mínimos y sin compromiso.
Implementa en cualquier lugar
Exporta a 23 formatos y despliega en el edge, la nube y dispositivos móviles.
Descubre soluciones para distintos sectores
Descubre cómo los equipos aplican la visión artificial de Ultralytics en entornos de producción.
Agricultura
Automoción
Sanidad
Logística
Fabricación
Comercio minorista
Robótica
Preguntas frecuentes
La segmentación semántica asigna una etiqueta de clase a cada píxel de una imagen y genera un mapa denso de toda la escena, en lugar de cuadros o máscaras por objeto. Permite responder a preguntas como qué píxeles corresponden a carreteras, agua, cultivos o defectos, y es la base para comprender escenas en movilidad, agricultura, inspección y cartografía.
La segmentación semántica etiqueta cada píxel según su clase sin separar los objetos individuales: todos los coches comparten una misma etiqueta. La segmentación de instancias genera una máscara distinta para cada objeto, lo que permite contarlos y seguirlos. Usa la segmentación semántica para comprender escenas a nivel global y la segmentación de instancias para analizar objetos; Ultralytics admite ambas con un único flujo de trabajo.
Los modelos de segmentación semántica de Ultralytics son los primeros de la familia YOLO en generar etiquetas densas para cada píxel. Se anunciaron en la hoja de ruta de Ultralytics y se describen en la documentación sobre 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 de Ultralytics, o gestiona la anotación, el entrenamiento en la nube con GPU y la evaluación desde el navegador con Ultralytics Platform. Ajustar pesos preentrenados es la forma más rápida de obtener buenos resultados.
Exporta el modelo con el modo de exportación a formatos como ONNX, OpenVINO y TensorRT para realizar inferencias en tiempo real en dispositivos perimetrales, vehículos y servidores. El modelo exportado genera directamente salidas densas para cada píxel, lo que simplifica las canalizaciones posteriores.
Crea soluciones de segmentación semántica con Ultralytics
Entrena modelos de segmentación densa por píxel y despliégalos en cualquier lugar con Ultralytics Platform.