ULTRALYTICS YOLO
Ultralytics wurde von Grund auf für Edge- und Low-Power-Geräte entwickelt und setzt neue Maßstäbe für Echtzeit-Bildverarbeitungs-KI: Es bietet CPU um bis zu 43 % schnellere CPU us bei einer übersichtlicheren und einfacheren Architektur.



























Entdecken Sie, wie Ultralytics YOLO direkt in Ihrem Browser funktionieren.
130,7 Tausend+
über 263,7 Mio.
über 2,8 Mrd.
1.000+

Echtzeitleistung auf Geräten ohne GPUs, speziell entwickelt für Edge-Anwendungen und Umgebungen mit begrenzten Ressourcen.
1

Prognosen werden direkt generiert, ohne nachträgliche Verarbeitung. Geringere Latenz, einfachere Bereitstellung.
2

Die Beseitigung des Distribution Focal Loss (DFL) vereinfacht den Export und erweitert die Kompatibilität mit Endgeräten.
3

Eine von den neuesten Entwicklungen im Bereich des LLM-Trainings inspirierte Mischung aus SGD Muon, die ein stabileres Training und eine schnellere Konvergenz ermöglicht.
4

Läuft effizient auf CPUs, GPUs und Edge-Hardware. Exportieren Sie in über 17 Formate und stellen Sie die Inhalte überall bereit.

Echtzeit-Bildverarbeitungs-KI auf Geräten mit begrenzten Ressourcen, ohne Abstriche bei der Genauigkeit.

Erkennen Sie über festgelegte Kategorien hinaus mithilfe von Text- oder visuellen Eingabeaufforderungen oder durch inferenzbasierte Erkennung ohne Eingabeaufforderung in 4.585 Klassen.

YOLO26 verfügt über dieselbe vertraute Benutzeroberfläche wie YOLOv8 YOLO11, sodass keine steile Lernkurve erforderlich ist.

Spezielle Supportkanäle, aktive Foren und regelmäßige Updates sorgen dafür, dass Sie immer einen Schritt voraus sind.

Flexible Optionen für die akademische, Open-Source- und kommerzielle Nutzung unter AGPL-3.0 Enterprise-Lizenzen.
YOLO26 verzichtet auf DFL für einen einfacheren Export, verzichtet auf NMS eine schnellere End-to-End-Inferenz, verbessert die Erkennungsgenauigkeit bei kleinen Objekten durch ProgLoss + STAL, führt den MuSGD-Optimierer für ein stabileres Training ein und bietet CPU bis zu 43 % schnellere CPU .
Die Variante „nano“ (n) eignet sich ideal für Edge-Geräte und Geräte CPU. Die Varianten „small“ (s) und „medium“ (m) bieten für die meisten Anwendungen ein ausgewogenes Verhältnis zwischen Geschwindigkeit und Genauigkeit. Die Varianten „large“ (l) und „extra-large“ (x) bieten maximale Genauigkeit für anspruchsvolle Arbeitslasten.
Objekterkennung, Instanzsegmentierung, Bildklassifizierung, Posenabschätzung und orientierte Objekterkennung – alles in einer einzigen einheitlichen Modellfamilie.
Ja. YOLO26 verwendet dieselbe Schnittstelle wie YOLOv8 YOLO11, sodass die Umstellung unkompliziert ist. Ersetzen Sie einfach die Modellgewichte durch die von YOLO26.
YOLO26 unterstützt den Export in TensorRT, ONNX, CoreML, TFLite und OpenVINO und deckt damit die gängigsten Einsatzziele im Edge-Bereich ab. Die NMS Architektur sorgt von Anfang an für weniger Integrationsprobleme und geringere Latenzzeiten.
Von der Annotation bis zur Bereitstellung: Entwickeln Sie Vision-AI-Lösungen, die mit Ihrem Unternehmen mitwachsen.