Classification d'images YOLO en temps réel
Attribue la bonne étiquette à chaque image avec les modèles de classification Ultralytics YOLO26. Entraîne-toi sur tes propres catégories en quelques minutes et exécute l'inférence en temps réel sur du matériel edge, cloud ou mobile.
Modèles de classification YOLO26
Les modèles YOLO26-cls attribuent des étiquettes à des images entières avec une précision top-1 et top-5 rapportée ci-dessous. Ce sont les membres les plus petits et les plus rapides de la famille — le classificateur nano tourne en quelques millisecondes sur CPU — et tu peux les affiner sur tes propres catégories à partir d'un simple jeu de données organisé par dossier 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) | Params (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 |
Benchmarks de classification YOLO26 à 224 pixels issus de la documentation Ultralytics.
Approuvé par les organisations leaders dans le monde
L'impact de nos modèles
Optimise tes processus dans tous les secteurs grâce à nos modèles de vision par ordinateur de pointe. Vitesse, précision et facilité d'utilisation propulsées par Ultralytics.
L'évolution des modèles Ultralytics YOLO
Découvre comment Ultralytics YOLO a évolué depuis le workflow pratique YOLOv5 vers l'inférence YOLO26 prête pour l'Edge.
A rendu la détection d'objets en temps réel accessible avec un workflow PyTorch rapide et pratique.
Flux de travail unifié étendu à la détection, la segmentation, la classification, la pose et l'OBB.
Précision, vitesse et efficacité améliorées tout en préservant le flux de travail Ultralytics familier.
Introduction de l'inférence de bout en bout et d'une architecture optimisée pour un déploiement efficace en périphérie (edge).
Étiquette jusqu'à 10 fois plus vite grâce à l'annotation intelligente
La plateforme Ultralytics te fournit l'outil d'annotation d'images pour créer des jeux de données de haute qualité plus rapidement. De l'annotation intelligente à l'édition manuelle précise, ces fonctionnalités sont conçues pour réduire le temps d'étiquetage des images sans sacrifier la qualité.
- Annotation intelligente propulsée par SAM : Masques et BBox en un seul clic.
- Couverture complète des tâches d'IA : Détection, segmentation d'instance, segmentation sémantique, classification, pose, OBB.
- Prise en charge universelle des formats : Ton choix parmi YOLO, COCO, VOC, et plus encore.
- Revue d'équipe et versioning : Une collaboration claire à chaque étape.
Entraîne sur les meilleurs GPU pour moins cher
26 GPU NVIDIA à partir de 0,24 $/heure — de Ampere à Blackwell. Pas de majoration, pas de minimum, pas d'engagement.
Déploie n'importe où
Exporte vers 20 formats et déploie sur la périphérie, le cloud et le mobile.
Explorer les solutions industrielles
Découvre comment les équipes appliquent la vision par ordinateur d'Ultralytics dans les environnements de production.
IA dans l'agriculture
IA dans l'automobile
IA dans la santé
IA dans la logistique
IA dans la fabrication
IA dans le commerce de détail
IA en robotique
IA dans l'agriculture
IA dans l'automobile
IA dans la santé
IA dans la logistique
IA dans la fabrication
IA dans le commerce de détail
IA en robotique
IA dans l'agriculture
IA dans l'automobile
IA dans la santé
IA dans la logistique
IA dans la fabrication
IA dans le commerce de détail
IA en robotique
Questions fréquemment posées
La classification d'images attribue une image entière à l'une des classes d'un ensemble, avec un score de confiance pour chacune. C'est la tâche de vision par ordinateur la plus simple et le choix idéal quand tu as besoin de savoir ce qu'une image montre plutôt que où se trouvent les objets — par exemple pour le contrôle qualité, le tri de contenu ou la surveillance d'état. Les modèles de classification Ultralytics YOLO sont petits, rapides et faciles à affiner.
Utilise la classification quand une seule étiquette par image suffit, et la détection d'objets quand tu as besoin de localiser ou de compter des 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 quand la position n'a pas d'importance.
Les modèles de classification Ultralytics YOLO26 sont le point de départ recommandé, avec des tailles allant du nano pour le déploiement edge à l'extra-large pour une précision maximale. Toutes les tailles partagent le même flux de travail d'entraînement et de déploiement que les autres tâches Ultralytics YOLO.
Organise tes images dans un dossier par classe et exécute le mode entraînement de la bibliothèque Ultralytics, ou téléverse ton jeu de données sur la plateforme Ultralytics pour t'entraîner sur des GPU cloud sans aucune configuration locale. L'affinage de poids pré-entraînés atteint généralement une forte précision avec quelques centaines d'images par classe.
Exporte avec le mode exportation vers ONNX, TensorRT, CoreML, OpenVINO, LiteRT et d'autres formats. Les modèles de classification sont les variantes YOLO les plus petites, ce qui les rend idéaux pour les applications mobiles, les appareils embarqués et les services à haut débit.
Construis la classification d'images avec Ultralytics
Organise tes données, entraîne tes classificateurs YOLO26 et déploie-les partout avec la plateforme Ultralytics.