Classification d’images YOLO en temps réel
Attribue la bonne étiquette à chaque image avec les modèles de classification Ultralytics YOLO26. Entraîne-les sur tes propres catégories en quelques minutes et exécute l’inférence en temps réel sur des appareils edge, dans le cloud et sur du matériel mobile.
Modèles de classification YOLO26
Les modèles YOLO26-cls attribuent des étiquettes à des images entières ; leur précision top-1 et top-5 est indiquée ci-dessous. Ce sont les modèles les plus petits et les plus rapides de la famille : le classificateur nano s’exécute en quelques millisecondes sur CPU, et ils se fine-tunent sur des catégories personnalisées à partir d’un simple jeu de données organisé en dossiers, un par classe.
pip install ultralyticsfrom ultralytics import YOLO
# Load a YOLO26 classification model
model = YOLO("yolo26n-cls.pt")
# Run inference
results = model("image.jpg")| Modèle | Taille (px) | Précision top-1 | Précision top-5 | CPU ONNX (ms) | T4 TensorRT (ms) | Paramètres (M) | FLOPs (G) |
|---|---|---|---|---|---|---|---|
| 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 |
Benchmarks de classification YOLO26 à 224 pixels issus de la documentation Ultralytics.
Adopté par les plus grandes organisations du monde
L’impact de nos modèles
Rationalise les processus dans tous les secteurs grâce à nos modèles de vision par IA de pointe. Ultralytics met la vitesse, la précision et la facilité d’utilisation à ta portée.
L’évolution des modèles Ultralytics YOLO
Découvre l’évolution d’Ultralytics YOLO, du flux de travail pratique de YOLOv5 à l’inférence YOLO26 prête pour l’edge.
Étiquette jusqu’à 10 fois plus vite grâce à l’annotation intelligente
Ultralytics Platform te fournit un outil d’annotation d’images pour créer plus rapidement des jeux de données de haute qualité. De l’annotation intelligente à la retouche manuelle précise, ces fonctionnalités sont conçues pour réduire le temps d’annotation des images sans sacrifier la qualité.
- Annotation intelligente optimisée par SAM :Masques et boîtes englobantes en un clic.
- Prise en charge complète des tâches d’IA :Détection, segmentation d’instances, segmentation sémantique, classification, estimation de pose, OBB.
- Prise en charge universelle des formats :Choisis YOLO, COCO ou un autre format.
- Révision et gestion des versions en équipe :Une collaboration fluide à chaque étape.
Entraîne tes modèles sur les meilleurs GPU à moindre coût
26 GPU NVIDIA à partir de 0,24 $/h — de l’architecture Ampere à Blackwell. Aucun supplément, aucun minimum, aucun engagement.
Déploie partout
Exporte vers 22 formats et déploie sur des appareils en périphérie, dans le cloud et sur mobile.
Découvrir les solutions sectorielles
Découvre comment les équipes utilisent la vision par ordinateur d’Ultralytics dans des environnements de production.
Agriculture
Automobile
Santé
Logistique
Industrie manufacturière
Commerce de détail
Robotique
Agriculture
Automobile
Santé
Logistique
Industrie manufacturière
Commerce de détail
Robotique
Agriculture
Automobile
Santé
Logistique
Industrie manufacturière
Commerce de détail
Robotique
Foire aux questions
La classification d’images attribue une image entière à l’une des classes définies, avec un score de confiance pour chacune. C’est la tâche de vision par ordinateur la plus simple et le bon choix lorsque tu dois savoir ce que montre une image plutôt que connaître la position des objets — par exemple pour évaluer la qualité, trier du contenu ou surveiller un état. Les modèles de classification Ultralytics YOLO sont compacts, rapides et faciles à fine-tuner.
Utilise la classification lorsqu’une seule étiquette par image suffit, et la détection d’objets lorsque tu dois localiser ou compter les objets dans l’image. Les modèles de classification sont plus légers et plus rapides à entraîner ; ils constituent donc souvent la solution la plus efficace lorsque la position n’a pas d’importance.
Les modèles de classification Ultralytics YOLO26 sont le point de départ recommandé, avec des tailles allant de nano pour le déploiement edge à extra-large pour une précision maximale. Toutes les tailles utilisent le même workflow d’entraînement et de déploiement que les autres tâches Ultralytics YOLO.
Organise les images dans un dossier par classe et lance le mode train de la bibliothèque Ultralytics, ou téléverse ton jeu de données sur Ultralytics Platform et entraîne ton modèle sur des GPU cloud sans rien installer localement. Le fine-tuning de poids préentraînés permet généralement d’obtenir une bonne précision avec quelques centaines d’images par classe.
Utilise le mode export pour exporter vers ONNX, OpenVINO, TensorRT, CoreML, LiteRT et d’autres formats. Les modèles de classification sont les variantes YOLO les plus compactes, ce qui les rend idéaux pour les applications mobiles, les appareils embarqués et les services à haut débit.
Développe la classification d’images avec Ultralytics
Organise tes données, entraîne des classificateurs YOLO26 et déploie-les partout avec Ultralytics Platform.