Ultralytics YOLO Intel OpenVINO CPU, GPU NPU

À propos Intel

Intel Nasdaq : INTC) est un leader du secteur qui développe des technologies révolutionnaires, favorisant le progrès mondial et améliorant la qualité de vie. Intel faire progresser la conception et la fabrication de semi-conducteurs afin d'aider ses clients à relever leurs plus grands défis, en intégrant l'intelligence dans le cloud, les réseaux, la périphérie et tous les appareils informatiques pour transformer les entreprises et la société. 

OpenVINO™ est une boîte à outils open source qui accélère l'inférence IA en réduisant la latence et en augmentant le débit, tout en préservant la précision et en optimisant l'utilisation du matériel. Elle simplifie le développement de l'IA et l'intégration de l'apprentissage profond dans les domaines de la vision par ordinateur, des grands modèles linguistiques et de l'IA générative.

Pourquoi choisir Intel YOLO?

DéployezYOLO Ultralytics pour bénéficier de performances et d'une efficacité inégalées

Optimisé pour Ultralytics YOLO

Débit maximal et latence minimale sur l'ensemble de la gamme de périphériques Intel.

Performances natives sur Edge

YOLO optimisée pour la périphérie, avec prise en charge des formats FP32, FP16 et INT8. Aucun compromis sur la précision n'est nécessaire.

Inférence en temps réel

Une inférence inférieure à 10 ms pour toutes YOLO principales, vérifiée sur Intel , des cartes graphiques et des processeurs de traitement neuronal Intel .

Coût de possession réduit

Inférence sur Intel existantes. Des coûts réduits, sans compromettre la précision.

Intégration facile

Opérationnel en quelques minutes grâce auPython ou à l'interface CLI Ultralytics . Même API, même flux de travail.

À l'épreuve du temps

Toujours à la pointe de la technologie avec les derniers YOLO et Intel . Aucune modification du pipeline n'est nécessaire.

Intégration technique

Intégration transparente entre Ultralytics et Intel

Ultralytics YOLOv8

YOLOv8 des performances YOLOv8 et prend désormais en charge de nouvelles tâches : segmentation, classification et estimation de la pose.

YOLOv8n

YOLOv8s

YOLOv8m

+22

Ultralytics YOLO11

YOLO11 les tâches de vision par ordinateur auxquelles les utilisateurs sont habitués, tout en offrant une meilleure précision et une plus grande rapidité.

YOLO11n

YOLO11s

YOLO11m

+22

Ultralytics YOLO26

YOLO26 est un modèle plus léger, plus compact et plus rapide ; sa variante « nano » offre des performances d'inférence jusqu'à 43 % plus rapides sur des processeurs standard.

YOLO26n

YOLO26s

YOLO26m

+22

Deux magasiniers, vêtus de gilets de sécurité jaunes et coiffés de casques, inspectent des palettes en bois empilées.

Des raisins violets sur une grappe, dont chaque grain est mis en évidence, illustrant la segmentation d'instances.

Des bouteilles sur une chaîne de production portant la mention « Aucun défaut », ce qui indique une détection automatisée des défauts lors de la fabrication.

Zèbre près d'un point d'eau, avec des points de repère superposés sur son corps, illustrant l'estimation de la posture.

Vue aérienne d'un chantier de construction avec des camions et des pelleteuses mis en évidence par des cadres de sélection, illustrant la détection et le suivi d'objets.

Performances du modèle sur Intel

Découvrez les performancesYOLO Ultralytics sur Intel , les cartes graphiques et les processeurs de traitement neuronal Intel .

Consulter la documentation

from ultralytics import YOLO
# Load a YOLO26n PyTorch model
model = YOLO("yolo26n.pt")
# Export the model
model.export(format="openvino")  # creates 'yolo26n_openvino_model/'
# Load the exported OpenVINO model
ov_model = YOLO("yolo26n_openvino_model/")
# Run inference
results = ov_model("https://ultralytics.com/images/bus.jpg")
# Run inference with specified device, available devices: ["intel:gpu", "intel:npu", "intel:cpu"]
results = ov_model("https://ultralytics.com/images/bus.jpg", device="intel:gpu")

# Export a YOLO26n PyTorch model to OpenVINO format
yolo export model=yolo26n.pt format=openvino # creates 'yolo26n_openvino_model/'
# Run inference with the exported model
yolo predict model=yolo26n_openvino_model source='https://ultralytics.com/images/bus.jpg'
# Run inference with specified device, available devices: ["intel:gpu", "intel:npu", "intel:cpu"]
yolo predict model=yolo26n_openvino_model source='https://ultralytics.com/images/bus.jpg' device="intel:gpu"

‍

Déployez Ultralytics YOLO Intel une inférence haute performance

À propos Intel

Pourquoi choisir Intel YOLO?

Optimisé pour Ultralytics YOLO

Performances natives sur Edge

Inférence en temps réel

Coût de possession réduit

Intégration facile

À l'épreuve du temps

La solution complète

Entraînez-vous avec Ultralytics

Exporter au OpenVINO

Déployer sur Intel

Intégration technique

Ultralytics YOLOv8

Ultralytics YOLO11

Ultralytics YOLO26

Détection d'objets

Segmentation d'instance

Classification d'images

Estimation de pose

Détection d'objets par boîtes englobantes orientées

Performances du modèle sur Intel

Commencez avec Intel

Commencez avec Intel

Exécution de YOLO des PC Intel

YOLO Vision 2025 Londres

Devenez Ultralytics