Echtzeit-YOLO-Bildklassifizierung
Weise jedem Bild mit Ultralytics YOLO26 Klassifizierungsmodellen das richtige Label zu. Trainiere in wenigen Minuten auf deinen eigenen Kategorien und führe Inferenzen in Echtzeit auf Edge-, Cloud- und Mobil-Hardware durch.
YOLO26 Klassifizierungsmodelle
YOLO26-cls Modelle weisen einem Gesamtbild Labels zu, wobei die Top-1 und Top-5 Genauigkeit unten aufgeführt sind. Sie sind die kleinsten und schnellsten Mitglieder der Familie – der Nano-Klassifikator läuft in wenigen Millisekunden auf der CPU – und sie lassen sich auf benutzerdefinierte Kategorien mit einem einfachen Datensatz, der pro Klasse einen Ordner verwendet, feinabstimmen.
pip install ultralyticsfrom ultralytics import YOLO
# Load a YOLO26 classification model
model = YOLO("yolo26n-cls.pt")
# Run inference
results = model("image.jpg")| Modell | Größe (px) | Top-1 Gen. | Top-5 Gen. | CPU ONNX (ms) | T4 TensorRT (ms) | Parameter (M) | FLOPs (B) |
|---|---|---|---|---|---|---|---|
| YOLO26n-cls | 224 | 71.4 | 90.1 | 5.0 ± 0.3 | 1.1 ± 0.0 | 2.8 | 0.5 |
| YOLO26s-cls | 224 | 76.0 | 92.9 | 7.9 ± 0.2 | 1.3 ± 0.0 | 6.7 | 1.6 |
| YOLO26m-cls | 224 | 78.1 | 94.2 | 17.2 ± 0.4 | 2.0 ± 0.0 | 11.6 | 4.9 |
| YOLO26l-cls | 224 | 79.0 | 94.6 | 23.2 ± 0.3 | 2.8 ± 0.0 | 14.1 | 6.2 |
| YOLO26x-cls | 224 | 79.9 | 95.0 | 41.4 ± 0.9 | 3.8 ± 0.0 | 29.6 | 13.6 |
YOLO26 Klassifizierungs-Benchmarks bei 224 Pixeln aus der Ultralytics Dokumentation.
Vertrauenswürdig für die weltweit führenden Organisationen
Die Wirkung unserer Modelle
Optimiere Prozesse branchenübergreifend mit unseren hochmodernen Vision-KI-Modellen. Geschwindigkeit, Genauigkeit und Benutzerfreundlichkeit, bereitgestellt von Ultralytics.
Die Entwicklung der Ultralytics YOLO Modelle
Erfahre, wie sich Ultralytics YOLO vom praktischen YOLOv5-Workflow zur Edge-Ready YOLO26-Inferenz entwickelt hat.
Machte Echtzeit-Objekterkennung zugänglich mit einem schnellen, praktischen PyTorch-Workflow.
Erweiterung des einheitlichen Workflows auf Erkennung, Segmentierung, Klassifizierung, Pose und OBB.
Verbesserte Genauigkeit, Geschwindigkeit und Effizienz bei gleichbleibend vertrautem Ultralytics-Workflow.
Einführung von End-to-End-Inferenz und einer Architektur, die für eine effiziente Edge-Bereitstellung optimiert ist.
Annotiere bis zu 10x schneller mit intelligenter Annotation
Die Ultralytics Platform bietet dir das Bildannotationstool, um schneller hochwertige Datensätze zu erstellen. Von intelligenter Annotation bis hin zur präzisen manuellen Bearbeitung sind diese Funktionen darauf ausgelegt, die Zeit für die Bildbeschriftung zu verkürzen, ohne dabei an Qualität einzubüßen.
- SAM-gestützte intelligente Annotation: Masken und Bounding Boxes mit nur einem Klick.
- Vollständige Abdeckung von KI-Aufgaben: Detektion, Instanzsegmentierung, semantische Segmentierung, Klassifizierung, Pose, OBB.
- Unterstützung universeller Formate: Deine Wahl aus YOLO, COCO, VOC und mehr.
- Team-Review und Versionierung: Klare Zusammenarbeit bei jedem Schritt.
Trainiere auf den besten GPUs für weniger Geld
26 NVIDIA GPUs ab $0,24/Std. – von Ampere bis Blackwell. Kein Aufschlag, keine Mindestlaufzeiten, keine Verpflichtung.
Überall bereitstellen
Exportiere in 20 Formate und deploye auf Edge, Cloud und Mobilgeräten.
Branchenlösungen erkunden
Sieh dir an, wie Teams Ultralytics Computer Vision in Produktionsumgebungen einsetzen.
KI in der Landwirtschaft
KI in der Automobilindustrie
KI im Gesundheitswesen
KI in der Logistik
KI in der Fertigung
KI im Einzelhandel
KI in der Robotik
KI in der Landwirtschaft
KI in der Automobilindustrie
KI im Gesundheitswesen
KI in der Logistik
KI in der Fertigung
KI im Einzelhandel
KI in der Robotik
KI in der Landwirtschaft
KI in der Automobilindustrie
KI im Gesundheitswesen
KI in der Logistik
KI in der Fertigung
KI im Einzelhandel
KI in der Robotik
Häufig gestellte Fragen
Bildklassifizierung weist ein ganzes Bild einer von mehreren Klassen zu, inklusive eines Konfidenzwerts für jede. Es ist die einfachste Computer-Vision-Aufgabe und die richtige Wahl, wenn du wissen musst, was ein Bild zeigt, anstatt wo sich Objekte befinden – zum Beispiel bei der Qualitätskontrolle, Sortierung von Inhalten oder Zustandsüberwachung. Ultralytics YOLO Klassifizierungsmodelle sind klein, schnell und einfach feinabzustimmen.
Verwende Klassifizierung, wenn ein einziges Label pro Bild ausreicht, und Objekterkennung, wenn du Objekte innerhalb des Bildes lokalisieren oder zählen musst. Klassifizierungsmodelle sind leichter und schneller zu trainieren, daher sind sie oft die effizienteste Lösung, wenn die Position keine Rolle spielt.
Ultralytics YOLO26 Klassifizierungsmodelle sind der empfohlene Ausgangspunkt, mit Größen von Nano für Edge-Bereitstellungen bis zu Extra-Large für maximale Genauigkeit. Alle Größen teilen denselben Trainings- und Bereitstellungs-Workflow wie andere Ultralytics YOLO Aufgaben.
Organisiere Bilder in einem Ordner pro Klasse und führe den Train-Modus der Ultralytics Bibliothek aus, oder lade deinen Datensatz auf die Ultralytics Plattform hoch und trainiere auf Cloud-GPUs ohne lokale Einrichtung. Das Feinabstimmen vortrainierter Gewichte erreicht typischerweise eine starke Genauigkeit mit wenigen hundert Bildern pro Klasse.
Exportiere mit dem Export-Modus zu ONNX, TensorRT, CoreML, OpenVINO, LiteRT und anderen Formaten. Klassifizierungsmodelle sind die kleinsten YOLO-Varianten, was sie ideal für mobile Apps, eingebettete Geräte und Dienste mit hohem Durchsatz macht.
Baue Bildklassifizierung mit Ultralytics
Organisiere Daten, trainiere YOLO26 Klassifikatoren und stelle sie überall mit der Ultralytics Plattform bereit.