Семантическая сегментация в реальном времени с YOLO
Понимай целые сцены с помощью плотной попиксельной разметки классов. Модели семантической сегментации Ultralytics классифицируют каждый пиксель — дороги, растительность, здания, товары — в рамках такого же быстрого процесса обучения и развёртывания, как и для любой задачи YOLO.
Модели YOLO26 для семантической сегментации
Модели YOLO26-sem присваивают метки каждому пикселю сцены; результаты ниже представлены как средний IoU при разрешении 1024×2048. Пять размеров моделей подходят как для развёртывания на периферийных устройствах, так и для картографирования, где критична точность. Для менее ресурсоёмких задач в документации также описаны варианты с разрешением 640 пикселей.
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 (пикс.) | mIoU | PyTorch на RTX 3090 (мс) | Параметры (млн) | FLOPs (млрд) |
|---|---|---|---|---|---|
| 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 |
Результаты тестирования YOLO26 для семантической сегментации при разрешении 1024×2048 по документации Ultralytics.
Нам доверяют ведущие организации мира
Влияние наших моделей
Оптимизируй процессы в разных отраслях с помощью наших передовых моделей компьютерного зрения на базе ИИ. Скорость, точность и простота использования — всё это обеспечивают технологии Ultralytics.
Эволюция моделей Ultralytics YOLO
Узнай, как Ultralytics YOLO прошла путь от практичного рабочего процесса YOLOv5 до инференса YOLO26 на периферийных устройствах.
Размечай данные до 10 раз быстрее с помощью интеллектуальной аннотации
Ultralytics Platform предоставляет инструмент аннотации изображений, который помогает быстрее создавать качественные наборы данных. От интеллектуальной аннотации до точного ручного редактирования — эти функции сокращают время разметки изображений без потери качества.
- Интеллектуальная аннотация на базе SAM:Маски и ограничивающие рамки одним щелчком.
- Полный охват задач ИИ:Обнаружение объектов, сегментация экземпляров, семантическая сегментация, классификация, оценка позы, OBB.
- Поддержка универсальных форматов:Выбирай YOLO, COCO и другие форматы.
- Командная проверка и управление версиями:Понятное взаимодействие на каждом этапе.
Обучай на лучших GPU дешевле
26 графических процессоров NVIDIA от $0.24/ч — от Ampere до Blackwell. Без наценок, минимальных заказов и обязательств.
Развёртывай где угодно
Экспортируй в 23 формата и развёртывай на периферийных устройствах, в облаке и на мобильных устройствах.
Решения для разных отраслей
Узнай, как команды применяют компьютерное зрение Ultralytics в производственной среде.
Сельское хозяйство
Автомобилестроение
Здравоохранение
Логистика
Производство
Розничная торговля
Робототехника
Часто задаваемые вопросы
Семантическая сегментация присваивает каждому пикселю изображения метку класса, создавая плотную карту всей сцены, а не рамки или маски отдельных объектов. Она позволяет определить, какие пиксели относятся к дороге, воде, посевам или дефекту, и служит основой для понимания сцен в сфере мобильности, сельского хозяйства, контроля и картографии.
Семантическая сегментация присваивает каждому пикселю метку класса, не разделяя отдельные объекты: все автомобили получают одну метку. Сегментация экземпляров создаёт отдельную маску для каждого объекта, чтобы их можно было подсчитывать и отслеживать. Используй семантическую сегментацию для понимания сцены в целом, а сегментацию экземпляров — для анализа отдельных объектов; Ultralytics поддерживает оба подхода в рамках одного процесса.
Модели семантической сегментации Ultralytics — первые в семействе YOLO, которые создают плотную попиксельную разметку. О них объявлено в дорожной карте Ultralytics, а документация доступна в разделе о семантической сегментации. В них используется привычный процесс обучения, валидации и экспорта Ultralytics.
Подготовь попиксельные маски для своих классов и запусти режим обучения библиотеки Ultralytics или управляй разметкой, обучением в облаке на GPU и оценкой в браузере с помощью Ultralytics Platform. Самый быстрый способ добиться хороших результатов — дообучить предварительно обученные веса.
Экспортируй модель с помощью режима экспорта в такие форматы, как ONNX, OpenVINO и TensorRT, для инференса в реальном времени на периферийных устройствах, транспортных средствах и серверах. Плотные попиксельные результаты формируются непосредственно экспортированной моделью, что упрощает последующие конвейеры обработки.
Создавай решения для семантической сегментации с Ultralytics
Обучай модели плотной попиксельной сегментации и развёртывай их где угодно с помощью Ultralytics Platform.