Ultralytics YOLO-Modelle
Stärke Vision-KI-Lösungen mit Ultralytics YOLO-Modellen, die eine schnelle und präzise Echtzeitanalyse von Bildern und Videos durch effiziente Computer-Vision-Aufgaben ermöglichen.
Genießt das Vertrauen weltweit führender Organisationen
YOLO26 Inferenz testen
Ziehe ein Bild per Drag & Drop hinein, um Objekterkennung in Echtzeit zu sehen
Die Wirkung unserer Modelle
Optimiere Prozesse branchenübergreifend mit unseren hochmodernen Vision AI-Modellen. Geschwindigkeit, Genauigkeit und Benutzerfreundlichkeit, powered by Ultralytics.
0+
GitHub Sterne
0+
Downloads
0+
Ultralytics YOLO Nutzungen / Tag
0+
Open-Source-Mitwirkende
Die Evolution der YOLO-Modelle
Von der ursprünglichen YOLO-Architektur bis zu Ultralytics YOLO26 hat die Modellfamilie die Echtzeit-Computer-Vision-Workflows kontinuierlich verbessert.
2015
YOLO
Entwickelt von Joseph Redmon und Team.
2016
YOLOv2
Erstellt von Joseph Redmon und Ali Farhadi.
2018
Entwickelt von Joseph Redmon und Ali Farhadi.
2018
Entwickelt von Alexey Bochkovskiy und Team.
YOLOv5 hat die Objekterkennung mit schneller, präziser Leistung und einer benutzerfreundlichen PyTorch-Implementierung neu definiert.
2022
Vorgestellt von Meituan und Team.
2022
Veröffentlicht von Chien-Yao Wang und Team.
YOLOv8 erweiterte die Unterstützung auf Instanzsegmentierung, Klassifizierung, Posenschätzung und andere wichtige Vision-Aufgaben.
2024
Entwickelt von Chien-Yao Wang und Team.
2024
Entworfen von Ao Wang für die Tsinghua University.
YOLO11 verbesserte Genauigkeit, Präzision und Geschwindigkeit bei gleichzeitiger Beibehaltung des vertrauten Ultralytics-Workflows.
YOLO26 ist leichter, kleiner und schneller, wobei die Nano-Variante eine bis zu 43 % schnellere CPU-Inferenz bietet.
Ultralytics YOLO Modelle auf einen Blick
Vergleiche aktuelle Ultralytics YOLO Modellfamilien hinsichtlich Geschwindigkeit, Genauigkeit und unterstützter Vision-Aufgaben.
| Funktionen |  |  |  |  |
|---|---|---|---|---|
| Geschwindigkeit Bildverarbeitungszeit | 1,06 ms | 0,99 ms | 1,5 ms | 1,7 ms |
| Genauigkeit mAP50-95 | 34,3 % | 37,3 % | 39,5 % | 40,9 % |
| Objekterkennung | ||||
| Bildklassifizierung | ||||
| Instanz-Segmentierung | ||||
| Semantische Segmentierung | - | - | - | |
| Pose-Schätzung | - | |||
| OBB-Erkennung | - |
Warum Ultralytics YOLO wählen?
Optimiert für Edge- und Cloud-Bereitstellung
Erziele schnelle, zuverlässige Ergebnisse für Echtzeit-Vision-KI-Projekte auf Edge-Geräten, in der Cloud-Infrastruktur und in hybriden Systemen.
Nahtlose Integration mit integrierter Sicherheit
Integriere YOLO-Modelle plattform- und geräteübergreifend, während Daten lokal bleiben und Workflows geschützt sind.
Klare Lizenzierung und Compliance
Wähle aus akademischen, Open-Source- und Unternehmenslizenzmodellen, die deinen Bereitstellungsanforderungen entsprechen.
Unterstützt von einer globalen Community
Dedizierte Support-Kanäle, aktive Foren und regelmäßige Updates bieten Teams die Ressourcen, die sie für den Erfolg benötigen.
Modernste Genauigkeit und Effizienz
Ultralytics verbessert die Modellleistung kontinuierlich durch Forschung, die sich auf Genauigkeit, Effizienz und optimierte Bereitstellung konzentriert.
Sieh dir unsere Modelle in Aktion an
SOHGA reduziert Parkplatzüberwachungszeit um 30 % mit Ultralytics YOLO
Erfahre, wie das MEGURU-System von SOHGA Ultralytics YOLO26 einsetzt, um Parkplatzkontrollen zu automatisieren, die Kontrollzeit um 30 % zu senken und die Sicherheit zu verbessern.
Scaleout reduziert Modell-Updates von Wochen auf Stunden mit Ultralytics YOLO
Erfahre, wie Scaleout Ultralytics YOLO und federated learning nutzt, um KI-Modelle auf Edge-Geräten zu optimieren und dabei sensible Daten sicher zu halten.
RapiD Engineering implementiert die Qualitätskontrolle für Meeresfrüchte eine Woche schneller mit Ultralytics YOLO
Sieh dir an, wie RapiD Engineering Ultralytics YOLO einsetzt, um die Lachsinspektion zu automatisieren, Defekte in Echtzeit zu erkennen und eine Woche Entwicklungsarbeit einzusparen.
Project Ocean Oasis verbessert den Schutz von Korallenriffen mit Ultralytics YOLO
Entdecke, wie Project Ocean Oasis Ultralytics YOLO, Edge-KI und autonome Überwachungssysteme einsetzt, um den Schutz von Korallenriffen und die Ozean-Intelligenz zu skalieren.
Volley betreibt über 250 KI-Trainer auf dem Platz mit Ultralytics YOLO
"Was wirklich gut ist: Das Modell funktioniert in Echtzeit sehr gut auf Edge-Hardware auf dem Trainer, und wir können dasselbe Modell in der Cloud verwenden, um genau denselben Prozess auszuführen."
WG Tech Solutions senkt Sicherheitsverstöße um 28 % mit Ultralytics YOLO und Axeleras AI Accelerator
Erfahre, wie WG Tech Solutions die Sicherheitsverstöße in der Fertigung durch den Einsatz von Ultralytics YOLO und Axeleras AI Accelerator um 28 % reduzieren konnte.
Stride liefert 1-minütige Ganganalyse für Pferde mit Ultralytics YOLO
Lerne, wie Stride Ultralytics YOLO-Modelle für die Ganganalyse von Pferden nutzt und eine vollständige Analyse in unter 1 Minute erreicht.
Pixelabs erzielt 95 % Recall mit einer von Ultralytics YOLO gesteuerten Automatisierung
Lerne, wie Pixelabs Ultralytics YOLO-Modelle nutzt, um Arbeitsabläufe zu automatisieren und einen Recall von 95 % zu erzielen.
SiteAssist verbessert die Sicherheit vor Ort durch die Verarbeitung von über 770.000 Bildern mit Ultralytics YOLO
Lerne, wie SiteAssist Ultralytics YOLO-Modelle nutzt, um die Sicherheit auf Baustellen zu verbessern.
Chef Robotics verwendet Ultralytics YOLO, um Lebensmittelverluste um 67 % zu reduzieren
Entdecke, wie Chef Robotics Ultralytics YOLO-Modelle für die präzise Lebensmittelmontage einsetzt.
Cali Intelligence verkürzt Warteschlangen an Kassen um 43 % mit Ultralytics YOLO
Erfahre, wie Cali Intelligence Ultralytics YOLO-Modelle nutzt, um Warteschlangen an Ladenkassen durch Objekterkennung zu reduzieren.
MarineSitu erreicht 96 %+ Uptime bei der Unterwasserüberwachung mit Ultralytics YOLO
Entdecke, wie MarineSitu Ultralytics YOLO nutzt, um die Unterwasser-Objekterkennung zu transformieren.
Theia Scientific beschleunigt die Mikroskopie-Analyse um den Faktor 43 mit Ultralytics YOLO
Entdecke, wie Theia Scientific Ultralytics YOLO verwendet, um die Analyse von Mikroskopiedaten neu zu definieren.
eSmart Systems halbiert die Zeit für Stromleitungsinspektionen mit Ultralytics YOLO
Entdecke, wie eSmart Systems Ultralytics YOLO einsetzt, um die Geschwindigkeit der Fehlererkennung zu erhöhen und Versorgungsinspektionen zu transformieren.
Axelera AI liefert 34 FPS Edge-KI-Inferenz mit Ultralytics YOLO
Entdecke, wie Axelera AI Ultralytics YOLO nutzt, um schnelle, präzise und effiziente Edge-Vision auf Metis AI-Chips zu ermöglichen.
STMicroelectronics lässt Ultralytics YOLO auf einem MCU mit nur 9,4 mJ pro Inferenz laufen
Entdecke, wie STMicroelectronics Ultralytics YOLO-Modelle effizient auf Mikrocontrollern mit geringem Stromverbrauch einsetzt, um eine präzise Echtzeit-Inferenz am Edge zu erreichen.
Specialvideo erreicht 99 % Genauigkeit bei der Lebensmittelinspektion mit Ultralytics YOLO
Entdecke, wie Specialvideo Ultralytics YOLO-Modelle nutzt, um eine KI-basierte Lebensmittelinspektion in Echtzeit zu ermöglichen, Qualität zu sichern, Abfall zu reduzieren und die Effizienz zu steigern.
Vivity AI spart mit Ultralytics YOLO jährlich über 5 Millionen US-Dollar im industriellen Betrieb
Entdecke, wie Vivity AI Ultralytics YOLO-Modelle nutzt, um die industrielle Automatisierung zu verbessern, die Effizienz zu steigern, Ausfallzeiten zu reduzieren und die Arbeitssicherheit zu gewährleisten.
Videologic Analytics skaliert auf 10.000 KI-Kameralizenzen mit Ultralytics YOLO
Entdecke, wie Videologic Analytics Ultralytics YOLO-Modelle integriert, um die Videoüberwachung zu verbessern, die Erkennungsgenauigkeit zu erhöhen, Fehlalarme zu reduzieren und die Bedrohungsüberwachung in Echtzeit zu optimieren.
Prezent steigert die Genauigkeit der Slide-Erkennung um 34 % mit Ultralytics YOLO
Entdecke, wie Prezent Ultralytics YOLO-Modelle einsetzt, um die Erkennung von Slide-Elementen zu automatisieren und die Verarbeitungszeit auf unter 10 Sekunden zu reduzieren, während Struktur und Design erhalten bleiben.
ALYCE beschleunigt Verkehrs-KI-Inferenz um 20 % mit Ultralytics YOLO
Erfahre, wie ALYCE Ultralytics YOLO-Modelle nutzt, um die Datengenauigkeit zu erhöhen, urbane Mobilität zu optimieren und KI-gestützte Verkehrslösungen für nachhaltigere, intelligentere Städte zu schaffen.
Kiwitron verwendet Ultralytics YOLO zur Erkennung industrieller Gefahren aus 30 m Entfernung
Erfahre, wie Kiwitron Ultralytics YOLO-Modelle in seiner KewiEye-Lösung einsetzt, um industrielle Gefahren zu erkennen und für mehr Sicherheit zu beseitigen.
SOHGA reduziert Parkplatzüberwachungszeit um 30 % mit Ultralytics YOLO
Erfahre, wie das MEGURU-System von SOHGA Ultralytics YOLO26 einsetzt, um Parkplatzkontrollen zu automatisieren, die Kontrollzeit um 30 % zu senken und die Sicherheit zu verbessern.
Scaleout reduziert Modell-Updates von Wochen auf Stunden mit Ultralytics YOLO
Erfahre, wie Scaleout Ultralytics YOLO und federated learning nutzt, um KI-Modelle auf Edge-Geräten zu optimieren und dabei sensible Daten sicher zu halten.
RapiD Engineering implementiert die Qualitätskontrolle für Meeresfrüchte eine Woche schneller mit Ultralytics YOLO
Sieh dir an, wie RapiD Engineering Ultralytics YOLO einsetzt, um die Lachsinspektion zu automatisieren, Defekte in Echtzeit zu erkennen und eine Woche Entwicklungsarbeit einzusparen.
Project Ocean Oasis verbessert den Schutz von Korallenriffen mit Ultralytics YOLO
Entdecke, wie Project Ocean Oasis Ultralytics YOLO, Edge-KI und autonome Überwachungssysteme einsetzt, um den Schutz von Korallenriffen und die Ozean-Intelligenz zu skalieren.
Volley betreibt über 250 KI-Trainer auf dem Platz mit Ultralytics YOLO
"Was wirklich gut ist: Das Modell funktioniert in Echtzeit sehr gut auf Edge-Hardware auf dem Trainer, und wir können dasselbe Modell in der Cloud verwenden, um genau denselben Prozess auszuführen."
WG Tech Solutions senkt Sicherheitsverstöße um 28 % mit Ultralytics YOLO und Axeleras AI Accelerator
Erfahre, wie WG Tech Solutions die Sicherheitsverstöße in der Fertigung durch den Einsatz von Ultralytics YOLO und Axeleras AI Accelerator um 28 % reduzieren konnte.
Stride liefert 1-minütige Ganganalyse für Pferde mit Ultralytics YOLO
Lerne, wie Stride Ultralytics YOLO-Modelle für die Ganganalyse von Pferden nutzt und eine vollständige Analyse in unter 1 Minute erreicht.
Pixelabs erzielt 95 % Recall mit einer von Ultralytics YOLO gesteuerten Automatisierung
Lerne, wie Pixelabs Ultralytics YOLO-Modelle nutzt, um Arbeitsabläufe zu automatisieren und einen Recall von 95 % zu erzielen.
SiteAssist verbessert die Sicherheit vor Ort durch die Verarbeitung von über 770.000 Bildern mit Ultralytics YOLO
Lerne, wie SiteAssist Ultralytics YOLO-Modelle nutzt, um die Sicherheit auf Baustellen zu verbessern.
Chef Robotics verwendet Ultralytics YOLO, um Lebensmittelverluste um 67 % zu reduzieren
Entdecke, wie Chef Robotics Ultralytics YOLO-Modelle für die präzise Lebensmittelmontage einsetzt.
Cali Intelligence verkürzt Warteschlangen an Kassen um 43 % mit Ultralytics YOLO
Erfahre, wie Cali Intelligence Ultralytics YOLO-Modelle nutzt, um Warteschlangen an Ladenkassen durch Objekterkennung zu reduzieren.
MarineSitu erreicht 96 %+ Uptime bei der Unterwasserüberwachung mit Ultralytics YOLO
Entdecke, wie MarineSitu Ultralytics YOLO nutzt, um die Unterwasser-Objekterkennung zu transformieren.
Theia Scientific beschleunigt die Mikroskopie-Analyse um den Faktor 43 mit Ultralytics YOLO
Entdecke, wie Theia Scientific Ultralytics YOLO verwendet, um die Analyse von Mikroskopiedaten neu zu definieren.
eSmart Systems halbiert die Zeit für Stromleitungsinspektionen mit Ultralytics YOLO
Entdecke, wie eSmart Systems Ultralytics YOLO einsetzt, um die Geschwindigkeit der Fehlererkennung zu erhöhen und Versorgungsinspektionen zu transformieren.
Axelera AI liefert 34 FPS Edge-KI-Inferenz mit Ultralytics YOLO
Entdecke, wie Axelera AI Ultralytics YOLO nutzt, um schnelle, präzise und effiziente Edge-Vision auf Metis AI-Chips zu ermöglichen.
STMicroelectronics lässt Ultralytics YOLO auf einem MCU mit nur 9,4 mJ pro Inferenz laufen
Entdecke, wie STMicroelectronics Ultralytics YOLO-Modelle effizient auf Mikrocontrollern mit geringem Stromverbrauch einsetzt, um eine präzise Echtzeit-Inferenz am Edge zu erreichen.
Specialvideo erreicht 99 % Genauigkeit bei der Lebensmittelinspektion mit Ultralytics YOLO
Entdecke, wie Specialvideo Ultralytics YOLO-Modelle nutzt, um eine KI-basierte Lebensmittelinspektion in Echtzeit zu ermöglichen, Qualität zu sichern, Abfall zu reduzieren und die Effizienz zu steigern.
Vivity AI spart mit Ultralytics YOLO jährlich über 5 Millionen US-Dollar im industriellen Betrieb
Entdecke, wie Vivity AI Ultralytics YOLO-Modelle nutzt, um die industrielle Automatisierung zu verbessern, die Effizienz zu steigern, Ausfallzeiten zu reduzieren und die Arbeitssicherheit zu gewährleisten.
Videologic Analytics skaliert auf 10.000 KI-Kameralizenzen mit Ultralytics YOLO
Entdecke, wie Videologic Analytics Ultralytics YOLO-Modelle integriert, um die Videoüberwachung zu verbessern, die Erkennungsgenauigkeit zu erhöhen, Fehlalarme zu reduzieren und die Bedrohungsüberwachung in Echtzeit zu optimieren.
Prezent steigert die Genauigkeit der Slide-Erkennung um 34 % mit Ultralytics YOLO
Entdecke, wie Prezent Ultralytics YOLO-Modelle einsetzt, um die Erkennung von Slide-Elementen zu automatisieren und die Verarbeitungszeit auf unter 10 Sekunden zu reduzieren, während Struktur und Design erhalten bleiben.
ALYCE beschleunigt Verkehrs-KI-Inferenz um 20 % mit Ultralytics YOLO
Erfahre, wie ALYCE Ultralytics YOLO-Modelle nutzt, um die Datengenauigkeit zu erhöhen, urbane Mobilität zu optimieren und KI-gestützte Verkehrslösungen für nachhaltigere, intelligentere Städte zu schaffen.
Kiwitron verwendet Ultralytics YOLO zur Erkennung industrieller Gefahren aus 30 m Entfernung
Erfahre, wie Kiwitron Ultralytics YOLO-Modelle in seiner KewiEye-Lösung einsetzt, um industrielle Gefahren zu erkennen und für mehr Sicherheit zu beseitigen.
SOHGA reduziert Parkplatzüberwachungszeit um 30 % mit Ultralytics YOLO
Erfahre, wie das MEGURU-System von SOHGA Ultralytics YOLO26 einsetzt, um Parkplatzkontrollen zu automatisieren, die Kontrollzeit um 30 % zu senken und die Sicherheit zu verbessern.
Scaleout reduziert Modell-Updates von Wochen auf Stunden mit Ultralytics YOLO
Erfahre, wie Scaleout Ultralytics YOLO und federated learning nutzt, um KI-Modelle auf Edge-Geräten zu optimieren und dabei sensible Daten sicher zu halten.
RapiD Engineering implementiert die Qualitätskontrolle für Meeresfrüchte eine Woche schneller mit Ultralytics YOLO
Sieh dir an, wie RapiD Engineering Ultralytics YOLO einsetzt, um die Lachsinspektion zu automatisieren, Defekte in Echtzeit zu erkennen und eine Woche Entwicklungsarbeit einzusparen.
Project Ocean Oasis verbessert den Schutz von Korallenriffen mit Ultralytics YOLO
Entdecke, wie Project Ocean Oasis Ultralytics YOLO, Edge-KI und autonome Überwachungssysteme einsetzt, um den Schutz von Korallenriffen und die Ozean-Intelligenz zu skalieren.
Volley betreibt über 250 KI-Trainer auf dem Platz mit Ultralytics YOLO
"Was wirklich gut ist: Das Modell funktioniert in Echtzeit sehr gut auf Edge-Hardware auf dem Trainer, und wir können dasselbe Modell in der Cloud verwenden, um genau denselben Prozess auszuführen."
WG Tech Solutions senkt Sicherheitsverstöße um 28 % mit Ultralytics YOLO und Axeleras AI Accelerator
Erfahre, wie WG Tech Solutions die Sicherheitsverstöße in der Fertigung durch den Einsatz von Ultralytics YOLO und Axeleras AI Accelerator um 28 % reduzieren konnte.
Stride liefert 1-minütige Ganganalyse für Pferde mit Ultralytics YOLO
Lerne, wie Stride Ultralytics YOLO-Modelle für die Ganganalyse von Pferden nutzt und eine vollständige Analyse in unter 1 Minute erreicht.
Pixelabs erzielt 95 % Recall mit einer von Ultralytics YOLO gesteuerten Automatisierung
Lerne, wie Pixelabs Ultralytics YOLO-Modelle nutzt, um Arbeitsabläufe zu automatisieren und einen Recall von 95 % zu erzielen.
SiteAssist verbessert die Sicherheit vor Ort durch die Verarbeitung von über 770.000 Bildern mit Ultralytics YOLO
Lerne, wie SiteAssist Ultralytics YOLO-Modelle nutzt, um die Sicherheit auf Baustellen zu verbessern.
Chef Robotics verwendet Ultralytics YOLO, um Lebensmittelverluste um 67 % zu reduzieren
Entdecke, wie Chef Robotics Ultralytics YOLO-Modelle für die präzise Lebensmittelmontage einsetzt.
Cali Intelligence verkürzt Warteschlangen an Kassen um 43 % mit Ultralytics YOLO
Erfahre, wie Cali Intelligence Ultralytics YOLO-Modelle nutzt, um Warteschlangen an Ladenkassen durch Objekterkennung zu reduzieren.
MarineSitu erreicht 96 %+ Uptime bei der Unterwasserüberwachung mit Ultralytics YOLO
Entdecke, wie MarineSitu Ultralytics YOLO nutzt, um die Unterwasser-Objekterkennung zu transformieren.
Theia Scientific beschleunigt die Mikroskopie-Analyse um den Faktor 43 mit Ultralytics YOLO
Entdecke, wie Theia Scientific Ultralytics YOLO verwendet, um die Analyse von Mikroskopiedaten neu zu definieren.
eSmart Systems halbiert die Zeit für Stromleitungsinspektionen mit Ultralytics YOLO
Entdecke, wie eSmart Systems Ultralytics YOLO einsetzt, um die Geschwindigkeit der Fehlererkennung zu erhöhen und Versorgungsinspektionen zu transformieren.
Axelera AI liefert 34 FPS Edge-KI-Inferenz mit Ultralytics YOLO
Entdecke, wie Axelera AI Ultralytics YOLO nutzt, um schnelle, präzise und effiziente Edge-Vision auf Metis AI-Chips zu ermöglichen.
STMicroelectronics lässt Ultralytics YOLO auf einem MCU mit nur 9,4 mJ pro Inferenz laufen
Entdecke, wie STMicroelectronics Ultralytics YOLO-Modelle effizient auf Mikrocontrollern mit geringem Stromverbrauch einsetzt, um eine präzise Echtzeit-Inferenz am Edge zu erreichen.
Specialvideo erreicht 99 % Genauigkeit bei der Lebensmittelinspektion mit Ultralytics YOLO
Entdecke, wie Specialvideo Ultralytics YOLO-Modelle nutzt, um eine KI-basierte Lebensmittelinspektion in Echtzeit zu ermöglichen, Qualität zu sichern, Abfall zu reduzieren und die Effizienz zu steigern.
Vivity AI spart mit Ultralytics YOLO jährlich über 5 Millionen US-Dollar im industriellen Betrieb
Entdecke, wie Vivity AI Ultralytics YOLO-Modelle nutzt, um die industrielle Automatisierung zu verbessern, die Effizienz zu steigern, Ausfallzeiten zu reduzieren und die Arbeitssicherheit zu gewährleisten.
Videologic Analytics skaliert auf 10.000 KI-Kameralizenzen mit Ultralytics YOLO
Entdecke, wie Videologic Analytics Ultralytics YOLO-Modelle integriert, um die Videoüberwachung zu verbessern, die Erkennungsgenauigkeit zu erhöhen, Fehlalarme zu reduzieren und die Bedrohungsüberwachung in Echtzeit zu optimieren.
Prezent steigert die Genauigkeit der Slide-Erkennung um 34 % mit Ultralytics YOLO
Entdecke, wie Prezent Ultralytics YOLO-Modelle einsetzt, um die Erkennung von Slide-Elementen zu automatisieren und die Verarbeitungszeit auf unter 10 Sekunden zu reduzieren, während Struktur und Design erhalten bleiben.
ALYCE beschleunigt Verkehrs-KI-Inferenz um 20 % mit Ultralytics YOLO
Erfahre, wie ALYCE Ultralytics YOLO-Modelle nutzt, um die Datengenauigkeit zu erhöhen, urbane Mobilität zu optimieren und KI-gestützte Verkehrslösungen für nachhaltigere, intelligentere Städte zu schaffen.
Kiwitron verwendet Ultralytics YOLO zur Erkennung industrieller Gefahren aus 30 m Entfernung
Erfahre, wie Kiwitron Ultralytics YOLO-Modelle in seiner KewiEye-Lösung einsetzt, um industrielle Gefahren zu erkennen und für mehr Sicherheit zu beseitigen.
Häufig gestellte Fragen
Die verschiedenen Ultralytics YOLO26-Varianten sind YOLO26n, YOLO26s, YOLO26m, YOLO26l und YOLO26x. Sie sind in verschiedenen Größen erhältlich, um ein Gleichgewicht zwischen Geschwindigkeit und Genauigkeit für verschiedene Anwendungen zu bieten.
Das Ultralytics Python-Paket bietet einfachen Zugriff auf Ultralytics YOLO-Modelle und ermöglicht es Entwicklern, Computer-Vision-Aufgaben wie Objekterkennung und Segmentierung innerhalb von Python-Projekten zu trainieren, zu validieren und bereitzustellen.
Das beste Ultralytics YOLO-Modell für deinen Anwendungsfall hängt von deinen Bedürfnissen ab. Das neueste Ultralytics YOLO26-Modell bietet die aktuellsten Verbesserungen bei Genauigkeit, Geschwindigkeit und Multi-Task-Unterstützung.
Ultralytics YOLO beinhaltet die neueste YOLO26-Modellfamilie sowie frühere YOLO-Modellfamilien für bestehende Arbeitsabläufe. YOLO-Modelle unterstützen mehrere Vision-Aufgaben, einschließlich Objekterkennung, Segmentierung, Klassifizierung, Pose-Schätzung und orientierte Objekterkennung für vielseitige KI-Anwendungen.
Lege los mit Ultralytics YOLO!
Von der Annotation bis zur Bereitstellung, baue Vision-KI-Lösungen, die mit dir skalieren.