Классификация изображений в реальном времени с YOLO
Назначай каждому изображению подходящую метку с помощью моделей классификации Ultralytics YOLO26. Обучай модели на собственных категориях за несколько минут и запускай инференс в реальном времени на периферийных устройствах, в облаке и на мобильном оборудовании.
Модели классификации YOLO26
Модели YOLO26-cls присваивают метки целым изображениям; ниже приведены показатели точности top-1 и top-5. Это самые компактные и быстрые модели семейства: классификатор nano обрабатывает данные на CPU за несколько миллисекунд. Модели можно дообучать на собственных категориях, используя простой датасет с отдельной папкой для каждого класса.
pip install ultralyticsfrom ultralytics import YOLO
# Load a YOLO26 classification model
model = YOLO("yolo26n-cls.pt")
# Run inference
results = model("image.jpg")| Модель | Размер (пикс.) | Точность top-1 | Точность top-5 | CPU ONNX (мс) | T4 TensorRT (мс) | Параметры (млн) | FLOPs (млрд) |
|---|---|---|---|---|---|---|---|
| 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 |
Результаты тестирования классификации YOLO26 при разрешении 224 пикселя из 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 модели на лучших GPU дешевле
26 GPU NVIDIA от $0,24 в час — от Ampere до Blackwell. Без наценок, минимальных заказов и обязательств.
Развёртывай где угодно
Экспортируй в 22 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
Сельское хозяйство
Автомобилестроение
Здравоохранение
Логистика
Производство
Розничная торговля
Робототехника
Сельское хозяйство
Автомобилестроение
Здравоохранение
Логистика
Производство
Розничная торговля
Робототехника
Часто задаваемые вопросы
Классификация изображений относит изображение целиком к одному из заданного набора классов и присваивает каждому классу оценку уверенности. Это простейшая задача компьютерного зрения; она подходит, когда нужно определить, что изображено, а не где находятся объекты, например для оценки качества, сортировки контента или мониторинга состояния. Модели классификации Ultralytics YOLO компактны, быстры и легко настраиваются.
Используй классификацию, если достаточно одной метки для всего изображения, и обнаружение объектов, если нужно находить или считать объекты на изображении. Модели классификации легче и быстрее обучать, поэтому они часто оказываются самым эффективным решением, когда расположение объектов не имеет значения.
Модели классификации Ultralytics YOLO26 — рекомендуемая отправная точка: доступны размеры от nano для развёртывания на периферийных устройствах до extra-large для максимальной точности. Для моделей любого размера используется тот же рабочий процесс обучения и развёртывания, что и для других задач Ultralytics YOLO.
Разложи изображения по отдельным папкам для каждого класса и запусти режим train библиотеки Ultralytics либо загрузи датасет на Ultralytics Platform и обучай модель на облачных GPU без локальной настройки. Тонкая настройка предварительно обученных весов обычно обеспечивает высокую точность при наличии нескольких сотен изображений на класс.
Экспортируй модель с помощью режима export в ONNX, OpenVINO, TensorRT, CoreML, LiteRT и другие форматы. Модели классификации — самые компактные варианты YOLO, поэтому они идеально подходят для мобильных приложений, встроенных устройств и сервисов с высокой пропускной способностью.
Создавай решения для классификации изображений с Ultralytics
Организуй данные, обучай классификаторы YOLO26 и развёртывай их где угодно с помощью Ultralytics Platform.