Семантическая сегментация YOLO в реальном времени
Понимай целые сцены с помощью плотных меток классов для каждого пикселя. Модели семантической сегментации Ultralytics классифицируют каждый пиксель — дороги, растительность, здания, продукты — с использованием тех же быстрых процессов обучения и развертывания, что и любая задача YOLO.
Модели семантической сегментации YOLO26
Модели YOLO26-sem размечают каждый пиксель на сцене. Ниже приведены показатели среднего значения IoU при разрешении 1024×2048. Пять вариантов размеров охватывают все сценарии от развертывания на периферийных устройствах до критически важных для точности задач кардинального маппинга, а дополнительные варианты с разрешением 640 пикселей описаны для более легких рабочих нагрузок.
pip install ultralyticsfrom ultralytics import YOLO
# Load a YOLO26 semantic segmentation model
model = YOLO("yolo26n-sem.pt")
# Run inference
results = model("image.jpg")| Модель | Размер (пиксели) | mIoU | RTX 3090 PyTorch (мс) | Параметры (М) | FLOPs (Б) |
|---|---|---|---|---|---|
| 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 |
Бенчмарки семантической сегментации YOLO26 при разрешении 1024×2048 из документации Ultralytics.
Нам доверяют ведущие организации мира
Влияние наших моделей
Оптимизируй процессы в различных отраслях с помощью наших передовых моделей компьютерного зрения. Скорость, точность и простота использования на базе Ultralytics.
Эволюция моделей Ultralytics YOLO
Узнай, как Ultralytics YOLO прошла путь от практического рабочего процесса YOLOv5 до готового к работе на периферийных устройствах инференса YOLO26.
Размечай до 10 раз быстрее с умной аннотацией
Платформа Ultralytics предоставляет инструмент разметки изображений для быстрого создания высококачественных наборов данных. От умной аннотации до точного ручного редактирования — эти функции созданы для сокращения времени разметки изображений без потери качества.
- Умная аннотация на базе SAM: Маски и ограничивающие прямоугольники в один клик.
- Полное покрытие задач искусственного интеллекта: Обнаружение, сегментация экземпляров, семантическая сегментация, классификация, позы, ориентированное обнаружение.
- Поддержка универсальных форматов: На выбор YOLO, COCO и другие.
- Командный просмотр и управление версиями: Четкое сотрудничество на каждом шаге.
Обучай на лучших графических процессорах дешевле
26 графических процессоров NVIDIA от $0.24/ч — от Ampere до Blackwell. Никаких наценок, никаких минимальных требований, никаких обязательств.
Развертывай где угодно
Экспортируй в 20 форматов и развертывай на периферийных устройствах, в облаке и на мобильных устройствах.
Изучи отраслевые решения
Узнай, как команды применяют компьютерное зрение Ultralytics в производственных средах.
Сельское хозяйство
Автомобильная промышленность
Здравоохранение
Логистика
Производство
Розничная торговля
Робототехника
Сельское хозяйство
Автомобильная промышленность
Здравоохранение
Логистика
Производство
Розничная торговля
Робототехника
Сельское хозяйство
Автомобильная промышленность
Здравоохранение
Логистика
Производство
Розничная торговля
Робототехника
Часто задаваемые вопросы
Семантическая сегментация присваивает метку класса каждому пикселю на изображении, создавая плотную карту всей сцены, а не ограничиваясь рамками или масками для отдельных объектов. Она отвечает на такие вопросы, какие пикселы относятся к дороге, воде, посевам или дефектам, что является основой для понимания сцены в сферах мобильности, сельского хозяйства, инспекции и картографии.
Семантическая сегментация размечает каждый пиксель по классу, не разделяя отдельные объекты, поэтому все автомобили получают одну общую метку. Сегментация экземпляров создает отдельную маску для каждого объекта, позволяя подсчитывать их и отслеживать. Используй семантическую сегментацию для понимания сцены на уровне окружения, а сегментацию экземпляров для анализа на уровне объектов, поскольку Ultralytics поддерживает оба подхода в рамках единого рабочего процесса.
Модели семантической сегментации Ultralytics первыми в семействе YOLO обеспечивают плотную попиксельную разметку, о чем было объявлено в дорожной карте Ultralytics и задокументировано в документации по семантической сегментации. Они используют привычный для Ultralytics рабочий процесс обучения, проверки и экспорта.
Подготовь покадровые маски для своих классов и запусти режим обучения в библиотеке Ultralytics либо управляй разметкой, обучением на облачном GPU и оценкой прямо в браузере с помощью платформы Ultralytics. Тонкая настройка предобученных весов это самый быстрый путь к достижению надежных результатов.
Выполняй экспорт с помощью режима экспорта в такие форматы, как ONNX, TensorRT и OpenVINO, для реализации инференса в реальном времени на периферийных устройствах, транспортных средствах и серверах. Плотные попиксельные результаты поступают напрямую из экспортированной модели, что позволяет сохранять простоту нижестоящих конвейеров.
Создавай решения для семантической сегментации с помощью Ultralytics
Обучай плотные модели покадровой сегментации и развертывай их где угодно с помощью платформы Ultralytics.