Phân đoạn ngữ nghĩa YOLO theo thời gian thực
Hiểu toàn bộ cảnh bằng nhãn lớp dày đặc trên từng pixel. Các model phân đoạn ngữ nghĩa của Ultralytics phân loại mọi pixel — đường sá, thảm thực vật, tòa nhà, sản phẩm — với quy trình huấn luyện và triển khai nhanh chóng giống như mọi tác vụ YOLO.
Model phân đoạn ngữ nghĩa YOLO26
Model YOLO26-sem gán nhãn từng pixel trong cảnh; kết quả bên dưới được báo cáo dưới dạng mean IoU ở độ phân giải 1024×2048. Năm kích thước đáp ứng từ triển khai edge đến lập bản đồ đòi hỏi độ chính xác cao, đồng thời tài liệu cũng mô tả các biến thể 640 pixel cho khối lượng công việc nhẹ hơn.
pip install ultralyticsfrom ultralytics import YOLO
# Load a YOLO26 semantic segmentation model
model = YOLO("yolo26n-sem.pt")
# Run inference
results = model("image.jpg")| Model | Kích thước (px) | mIoU | PyTorch trên RTX 3090 (ms) | Tham số (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 |
Benchmark phân đoạn ngữ nghĩa YOLO26 ở độ phân giải 1024×2048 theo tài liệu Ultralytics.
Được các tổ chức hàng đầu thế giới tin dùng
Tác động từ các model của chúng tôi
Tinh gọn quy trình trên nhiều ngành với các model AI thị giác tiên tiến của chúng tôi. Tốc độ, độ chính xác và tính dễ sử dụng được hỗ trợ bởi Ultralytics.
Quá trình phát triển của các model Ultralytics YOLO
Tìm hiểu quá trình phát triển của Ultralytics YOLO, từ quy trình YOLOv5 thực tiễn đến suy luận YOLO26 sẵn sàng cho edge.
Gắn nhãn nhanh hơn tới 10 lần với công cụ chú thích thông minh
Ultralytics Platform cung cấp công cụ chú thích ảnh giúp bạn xây dựng dataset chất lượng cao nhanh hơn. Từ chú thích thông minh đến chỉnh sửa thủ công chính xác, các tính năng này được thiết kế để giảm thời gian gắn nhãn ảnh mà không ảnh hưởng đến chất lượng.
- Chú thích thông minh được hỗ trợ bởi SAM:Tạo mask và bounding box chỉ bằng một lần nhấp.
- Hỗ trợ đầy đủ các tác vụ AI:Phát hiện, phân đoạn instance, phân đoạn ngữ nghĩa, phân loại, pose, OBB.
- Hỗ trợ định dạng phổ quát:Tùy chọn YOLO, COCO và nhiều định dạng khác.
- Đánh giá và quản lý phiên bản nhóm:Cộng tác rõ ràng ở mọi bước.
Huấn luyện trên các GPU tốt nhất với chi phí thấp hơn
26 GPU NVIDIA với giá từ $0.24/giờ — từ Ampere đến Blackwell. Không phụ phí, không mức tối thiểu, không ràng buộc.
Khám phá giải pháp theo ngành
Tìm hiểu cách các nhóm ứng dụng thị giác máy tính Ultralytics trong môi trường sản xuất.
Nông nghiệp
Ô tô
Chăm sóc sức khỏe
Logistics
Sản xuất
Bán lẻ
Robot
Câu hỏi thường gặp
Phân đoạn ngữ nghĩa gán nhãn lớp cho mọi pixel trong ảnh, tạo ra bản đồ dày đặc của toàn bộ cảnh thay vì các bounding box hoặc mask cho từng đối tượng. Phương pháp này trả lời các câu hỏi như pixel nào là đường, nước, cây trồng hay lỗi — nền tảng cho việc hiểu cảnh trong lĩnh vực di chuyển, nông nghiệp, kiểm tra và lập bản đồ.
Phân đoạn ngữ nghĩa gán nhãn lớp cho mọi pixel mà không tách riêng từng đối tượng — tất cả ô tô đều dùng chung một nhãn. Phân đoạn đối tượng tạo một mask riêng cho mỗi đối tượng, nhờ đó bạn có thể đếm và theo dõi chúng. Dùng phân đoạn ngữ nghĩa để hiểu ở cấp độ cảnh, phân đoạn đối tượng để phân tích ở cấp độ đối tượng; Ultralytics hỗ trợ cả hai trong cùng một quy trình.
Các model phân đoạn ngữ nghĩa của Ultralytics là những model đầu tiên trong họ YOLO tạo nhãn dày đặc trên từng pixel, được công bố trên lộ trình Ultralytics và trình bày trong tài liệu về phân đoạn ngữ nghĩa. Các model này dùng chung quy trình huấn luyện, validation và export quen thuộc của Ultralytics.
Chuẩn bị mask theo từng pixel cho các lớp của bạn rồi chạy chế độ train của thư viện Ultralytics, hoặc quản lý việc gán nhãn, huấn luyện bằng GPU đám mây và đánh giá ngay trên trình duyệt với Ultralytics Platform. Fine-tune trọng số pretrained là cách nhanh nhất để đạt kết quả tốt.
Dùng chế độ export để xuất sang các định dạng như ONNX, OpenVINO và TensorRT, phục vụ inference thời gian thực trên thiết bị biên, phương tiện và máy chủ. Đầu ra dày đặc theo từng pixel được tạo trực tiếp từ model đã export, giúp đơn giản hóa các pipeline phía sau.
Xây dựng giải pháp phân đoạn ngữ nghĩa với Ultralytics
Huấn luyện các model phân đoạn dày đặc theo từng pixel và triển khai ở mọi nơi với Ultralytics Platform.