Gerçek zamanlı YOLO görüntü sınıflandırma
Ultralytics YOLO26 sınıflandırma modelleriyle her görüntüye doğru etiketi ata. Dakikalar içinde kendi kategorilerin üzerinde eğit ve uç birim, bulut ve mobil donanımda gerçek zamanlı çıkarım yap.
YOLO26 sınıflandırma modelleri
YOLO26-cls modelleri, aşağıda belirtilen top-1 ve top-5 doğruluk oranlarıyla tüm görüntüye etiket atar. Ailenin en küçük ve en hızlı üyeleridir; nano sınıflandırıcı CPU üzerinde birkaç milisaniyede çalışır ve sınıf başına bir klasör içeren basit bir veri kümesi üzerinde özel kategorilerle ince ayar yapılabilir.
pip install ultralyticsfrom ultralytics import YOLO
# Load a YOLO26 classification model
model = YOLO("yolo26n-cls.pt")
# Run inference
results = model("image.jpg")| Model | Boyut (px) | Top-1 doğruluk | Top-5 doğruluk | CPU ONNX (ms) | T4 TensorRT (ms) | Parametreler (M) | FLOP'lar (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 |
Ultralytics belgelerinden 224 pikselde YOLO26 sınıflandırma kıyaslamaları.
Dünyanın önde gelen kuruluşlarının güvendiği
Modellerimizin etkisi
Son teknoloji bilgisayarlı görü yapay zeka modellerimizle sektörler genelinde süreçleri kolaylaştırın. Ultralytics tarafından desteklenen hız, doğruluk ve kullanım kolaylığı.
Ultralytics YOLO modellerinin evrimi
Ultralytics YOLO'nun pratik YOLOv5 iş akışından uç birim için hazır YOLO26 çıkarımına nasıl evrildiğini gör.
Hızlı ve pratik bir PyTorch iş akışıyla gerçek zamanlı nesne algılamayı erişilebilir kıldı.
Algılama, segmentasyon, sınıflandırma, pose ve OBB genelinde birleşik iş akışını genişletti.
Tanıdık Ultralytics iş akışını korurken doğruluk, hız ve verimliliği artırdı.
Uç cihazlarda verimli dağıtım için optimize edilmiş bir mimari ve uçtan uca çıkarım özelliğini sundu.
Akıllı etiketleme ile 10 kata kadar daha hızlı etiketle
Ultralytics Platform, yüksek kaliteli veri kümelerini daha hızlı oluşturman için gereken görüntü etiketleme aracını sana sunar. Akıllı etiketlemeden hassas manuel düzenlemeye kadar bu özellikler, kaliteden ödün vermeden görüntü etiketleme süresini azaltmak için tasarlanmıştır.
- SAM destekli akıllı etiketleme: Tek tıkla maskeler ve sınırlayıcı kutular.
- Tam AI görev kapsamı: Algılama, örnek segmentasyonu, anlamsal segmentasyon, sınıflandırma, poz tahmini, OBB.
- Evrensel format desteği: YOLO, COCO, VOC ve daha fazlası arasından seçimin.
- Ekip incelemesi ve sürüm yönetimi: Her adımda net iş birliği.
En İyi GPU'lar üzerinde daha ucuza eğitim yapın
Ampere'den Blackwell'e kadar 26 NVIDIA GPU, saatlik 0,24$ başlangıç fiyatıyla. Ek ücret yok, alt limit yok, taahhüt yok.
Her yere dağıtın
20 formata dışarı aktar ve uç cihazlarda, bulutta ve mobilde dağıtım yap.
Sektörel çözümleri keşfedin
Ekiplerin Ultralytics bilgisayarlı görü teknolojisini üretim ortamlarında nasıl uyguladığını görün.
Tarımda yapay zeka
Otomotivde yapay zeka
Sağlıkta yapay zeka
Lojistikte yapay zeka
Üretimde yapay zeka
Perakendede yapay zeka
Robotikte yapay zeka
Tarımda yapay zeka
Otomotivde yapay zeka
Sağlıkta yapay zeka
Lojistikte yapay zeka
Üretimde yapay zeka
Perakendede yapay zeka
Robotikte yapay zeka
Tarımda yapay zeka
Otomotivde yapay zeka
Sağlıkta yapay zeka
Lojistikte yapay zeka
Üretimde yapay zeka
Perakendede yapay zeka
Robotikte yapay zeka
Sıkça sorulan sorular
Görüntü sınıflandırma, bir görüntünün tamamını, her biri için bir güven puanı ile birlikte bir dizi sınıftan birine atar. Bu, en basit bilgisayarlı görü görevidir ve nesnelerin nerede olduğunu bilmek yerine bir görüntünün neyi gösterdiğini bilmen gerektiğinde -örneğin kalite derecelendirme, içerik sıralama veya durum izleme gibi durumlarda- doğru tercihtir. Ultralytics YOLO sınıflandırma modelleri küçük, hızlı ve ince ayar yapılması kolaydır.
Görüntü başına tek bir etiket yeterli olduğunda sınıflandırmayı, görüntü içindeki nesneleri konumlandırman veya sayman gerektiğinde ise nesne tespiti kullan. Sınıflandırma modelleri daha hafiftir ve eğitilmeleri daha hızlıdır, bu nedenle konumun önemli olmadığı durumlarda genellikle en verimli çözümdür.
Ultralytics YOLO26 sınıflandırma modelleri, uç birim dağıtımı için nano boyuttan maksimum doğruluk için ekstra büyük boyuta kadar değişen boyutlarıyla önerilen başlangıç noktasıdır. Tüm boyutlar, diğer Ultralytics YOLO görevleriyle aynı eğitim ve dağıtım iş akışını paylaşır.
Görüntüleri sınıf başına bir klasör olacak şekilde düzenle ve Ultralytics kütüphanesinin eğitim modunu çalıştır veya veri kümeni Ultralytics Platform üzerine yükleyerek yerel kurulum yapmadan bulut GPU'ları üzerinde eğit. Önceden eğitilmiş ağırlıklara ince ayar yapmak, genellikle sınıf başına birkaç yüz görüntü ile güçlü bir doğruluk düzeyine ulaşmanı sağlar.
Dışa aktarma modu ile ONNX, TensorRT, CoreML, OpenVINO, LiteRT ve diğer formatlara aktar. Sınıflandırma modelleri, en küçük YOLO varyantlarıdır ve bu da onları mobil uygulamalar, gömülü cihazlar ve yüksek iş hacimli servisler için ideal kılar.
Ultralytics ile görüntü sınıflandırma oluştur
Ultralytics Platform ile verilerini düzenle, YOLO26 sınıflandırıcıları eğit ve onları istediğin yerde dağıt.