Vertrauenswürdig für Branchenführer
YOLO26 Inferenz testen
Ziehe ein Bild per Drag & Drop hinein, um Objekterkennung in Echtzeit zu sehen
Eingabebild
Lade ein Bild hoch oder wähle ein Beispiel zum Testen yolo26n. Vorhersage-Doku
Bild hier ablegen
oder zum Durchsuchen klicken
Unterstützt JPEG, PNG, WebP, AVIF, HEIC, JP2, TIFF, BMP & mehr (max 10MB)
Konfidenz
0.25
IoU
0.70
Bildgröße
640
API-Dokumentation
Stelle dein Modell bereit, um einen dedizierten Inferenz-Endpunkt mit API-Schlüssel-Authentifizierung zu erhalten – ersetze dann die Platzhalter-URL und den Schlüssel unten durch deine Bereitstellungswerte. Deploy-Dokumentation
Hinweis: Dies ist Beispielcode. Stelle dein Modell zuerst bereit, um deine Endpunkt-URL und deinen API-Schlüssel zu erhalten.
import requests
# Replace with your deployment URL and API key
url = "https://your-deployment-url.run.app/predict"
api_key = "YOUR_API_KEY"
# Optional inference parameters (conf, iou, imgsz)
args = {"conf": 0.25, "iou": 0.7, "imgsz": 640}
with open("image.jpg", "rb") as f:
response = requests.post(
url,
headers={"Authorization": f"Bearer {api_key}"},
data=args,
files={"file": f},
)
print(response.json())Wichtige Verbesserungen bei Ultralytics YOLO26
Bis zu 43 % schnellere CPU-Inferenz
Echtzeit-Leistung auf Geräten ohne GPUs, speziell für Edge- und eingeschränkte Umgebungen entwickelt.
NMS-freie End-to-End-Inferenz
Vorhersagen werden direkt generiert, ohne Nachbearbeitungsschritt. Geringere Latenz, einfachere Bereitstellung.
Kein DFL, breitere Hardware-Kompatibilität
Das Entfernen von Distribution Focal Loss vereinfacht Exporte und erweitert die Kompatibilität mit Edge-Geräten.
MuSGD: Ein intelligenterer Optimierer
Eine Mischung aus SGD und Muon, inspiriert von Fortschritten beim LLM-Training für stabileres Training.
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 | ||||
| Instanz-Segmentierung | - | |||
| Semantische Segmentierung | - | - | ||
| Tiefenschätzung | - | - | - | |
| Bildklassifizierung | - | |||
| Pose-Schätzung | - | |||
| OBB-Erkennung | - |
Warum Ultralytics YOLO26 wählen?
Entwickelt für Edge und Cloud
Läuft effizient auf CPUs, GPUs und Edge-Hardware. Exportiere in 20 Formate und setze sie überall ein.
Bis zu 43 % schnellere CPU-Inferenz
Echtzeit-Vision-KI auf ressourcenbeschränkten Geräten, ohne die Genauigkeit zu opfern.
Open-World-Erkennung mit YOLOE-26
Erkenne über feste Kategorien hinaus mittels Text-Prompts, visuellen Prompts oder promptfreier Inferenz.
Nahtlose Integration
YOLO26 folgt der gleichen vertrauten Schnittstelle wie YOLOv8 und YOLO11, ohne steile Lernkurve.
Unterstützt von einer globalen Community
Dedizierte Support-Kanäle, aktive Foren und regelmäßige Updates halten dich auf dem Laufenden.
Klare Lizenzierung
Flexible Optionen für akademische, Open-Source- und kommerzielle Nutzung unter AGPL-3.0 und Enterprise.
Sieh dir unsere Modelle in Aktion an
Glacier Robotics hat die PET-Leckage in US-Recyclinganlagen um 70 % reduziert
Erfahre, wie Glacier Robotics Ultralytics YOLO11 einsetzt, um PET-Leckagen um 70 % zu reduzieren, die Recycling-Genauigkeit zu verbessern und die Mülltrennung zu automatisieren.
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.
Glacier Robotics hat die PET-Leckage in US-Recyclinganlagen um 70 % reduziert
Erfahre, wie Glacier Robotics Ultralytics YOLO11 einsetzt, um PET-Leckagen um 70 % zu reduzieren, die Recycling-Genauigkeit zu verbessern und die Mülltrennung zu automatisieren.
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.
Glacier Robotics hat die PET-Leckage in US-Recyclinganlagen um 70 % reduziert
Erfahre, wie Glacier Robotics Ultralytics YOLO11 einsetzt, um PET-Leckagen um 70 % zu reduzieren, die Recycling-Genauigkeit zu verbessern und die Mülltrennung zu automatisieren.
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
YOLO26 unterstützt den Export nach TensorRT, ONNX, CoreML, TFLite und OpenVINO und deckt damit die gängigsten Edge-Deployment-Ziele ab. Die NMS-freie Architektur bedeutet weniger Integrationsaufwand und eine geringere Latenz von Haus aus.
Ja. YOLO26 verwendet die gleiche Schnittstelle wie frühere Ultralytics YOLO-Releases, daher ist die Migration unkompliziert. Tausche einfach deine YOLO26-Modellgewichte aus.
Objekterkennung, Instanzsegmentierung, semantische Segmentierung, Bildklassifizierung, Pose-Schätzung und orientierte Objekterkennung, alles in einer einzigen, vereinheitlichten Modellfamilie.
Die Nano-Variante (n) ist ideal für Edge- und CPU-beschränkte Geräte. Die Small- (s) und Medium-Varianten (m) bieten für die meisten Anwendungen ein starkes Gleichgewicht zwischen Geschwindigkeit und Genauigkeit. Die Large- (l) und Extra-Large-Varianten (x) liefern maximale Genauigkeit für anspruchsvolle Arbeitslasten.
YOLO26 entfernt DFL für einen einfacheren Export, eliminiert NMS für eine schnellere End-to-End-Inferenz, verbessert die Genauigkeit bei kleinen Objekten mit ProgLoss + STAL, führt den MuSGD-Optimierer für stabileres Training ein und liefert eine bis zu 43 % schnellere CPU-Inferenz.
Lege los mit Ultralytics YOLO!
Von der Annotation bis zur Bereitstellung, baue Vision-KI-Lösungen, die mit dir skalieren.