Approuvé par les leaders du secteur
Essayer l'inférence avec YOLO26
Fais glisser et dépose une image pour voir la détection d'objets en temps réel
Image d'entrée
Télécharge une image ou sélectionne un exemple pour tester yolo26n. Documentation sur les prédictions
Dépose une image ici
ou clique pour parcourir
Supporte JPEG, PNG, WebP, AVIF, HEIC, JP2, TIFF, BMP et plus (max 10 Mo)
Confiance
0.25
IoU
0.70
Taille de l'image
640
Docs API
Déploie ton modèle pour obtenir un endpoint d'inférence dédié avec authentification par clé API — puis remplace l'URL et la clé fictives ci-dessous par tes valeurs de déploiement. Docs de déploiement
Remarque : Ceci est un exemple de code. Déploie d'abord ton modèle pour obtenir ton URL d'endpoint et ta clé API.
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())Améliorations clés d'Ultralytics YOLO26
Jusqu'à 43 % d'inférence CPU plus rapide
Performances en temps réel sur les appareils sans GPU, spécialement conçus pour l'edge et les environnements contraints.
Inférence de bout en bout sans NMS
Les prédictions sont générées directement, sans étape de post-traitement. Latence plus faible, déploiement plus simple.
Sans DFL, compatibilité matérielle étendue
La suppression de la Distribution Focal Loss simplifie les exports et élargit la compatibilité avec les appareils edge.
MuSGD : Un optimiseur plus intelligent
Un hybride de SGD et de Muon inspiré par les avancées de l'entraînement des LLM pour un entraînement plus stable.
Les modèles Ultralytics YOLO en un coup d'œil
Compare les récentes familles de modèles Ultralytics YOLO en termes de vitesse, de précision et de tâches de vision prises en charge.
| Caractéristiques |  |  |  |  |
|---|---|---|---|---|
| Vitesse Temps de traitement d'image | 1.06 ms | 0.99 ms | 1.5 ms | 1.7 ms |
| Précision mAP50-95 | 34.3% | 37.3% | 39.5% | 40.9% |
| Détection d'objets | ||||
| Segmentation d'instance | - | |||
| Segmentation sémantique | - | - | ||
| Estimation de profondeur | - | - | - | |
| Classification d'images | - | |||
| Estimation de pose | - | |||
| Détection OBB | - |
Pourquoi choisir Ultralytics YOLO26 ?
Conçu pour l'edge et le cloud
S'exécute efficacement sur les CPU, GPU et matériel de périphérie. Exporte vers 20 formats et déploie n'importe où.
Jusqu'à 43 % d'inférence CPU plus rapide
IA de vision en temps réel sur des appareils aux ressources limitées, sans sacrifier la précision.
Détection open-world avec YOLOE-26
Détecte au-delà des catégories fixes en utilisant des prompts textuels, des prompts visuels ou une inférence sans prompt.
Intégration transparente
YOLO26 suit la même interface familière que YOLOv8 et YOLO11, sans courbe d'apprentissage abrupte.
Soutenu par une communauté mondiale
Des canaux de support dédiés, des forums actifs et des mises à jour régulières te permettent de continuer à avancer.
Licences claires
Options flexibles pour un usage académique, open-source et commercial sous AGPL-3.0 et Enterprise.
Voir nos modèles en action
Glacier Robotics a réduit les fuites de PET de 70 % dans les centres de recyclage aux États-Unis
Découvre comment Glacier Robotics utilise Ultralytics YOLO11 pour réduire les fuites de PET de 70 %, améliorer la précision du recyclage et automatiser le tri des déchets.
SOHGA réduit le temps de surveillance des parkings de 30 % grâce à Ultralytics YOLO
Découvre comment le système MEGURU de SOHGA utilise Ultralytics YOLO26 pour automatiser les patrouilles de parking, réduire le temps de patrouille de 30 % et améliorer la sécurité.
Scaleout réduit les mises à jour de modèles de quelques semaines à quelques heures avec Ultralytics YOLO
Découvre comment Scaleout utilise Ultralytics YOLO et l'apprentissage fédéré pour affiner des modèles d'IA sur des appareils en périphérie (edge) tout en maintenant la sécurité des données sensibles.
RapiD Engineering déploie le contrôle qualité des produits de la mer une semaine plus rapidement avec Ultralytics YOLO
Découvre comment RapiD Engineering utilise Ultralytics YOLO pour automatiser l'inspection du saumon, détecter les défauts en temps réel et économiser une semaine de travail d'ingénierie.
Project Ocean Oasis fait progresser la conservation des récifs avec Ultralytics YOLO
Découvre comment Project Ocean Oasis utilise Ultralytics YOLO, l'edge AI et des systèmes de surveillance autonomes pour intensifier la préservation des récifs et l'intelligence océanique.
Volley équipe plus de 250 entraîneurs par IA sur le court avec Ultralytics YOLO
"Ce qui est vraiment appréciable, c'est que le modèle fonctionne très bien en temps réel sur le matériel en périphérie sur l'entraîneur, et nous pouvons utiliser le même modèle dans le cloud pour exécuter exactement le même flux."
WG Tech Solutions réduit les violations de sécurité de 28 % avec Ultralytics YOLO et l'accélérateur d'IA d'Axelera
Apprends comment WG Tech Solutions a réussi à réduire les violations de sécurité dans la fabrication de 28 % en exploitant Ultralytics YOLO et l'accélérateur d'IA d'Axelera
Stride propose une analyse de la démarche équine en 1 minute avec Ultralytics YOLO
Apprends comment Stride exploite les modèles Ultralytics YOLO pour l'estimation de la pose du cheval, réalisant une analyse complète de la démarche en moins d'une minute.
Pixelabs atteint 95 % de rappel avec l'automatisation pilotée par Ultralytics YOLO
Apprends comment Pixelabs exploite les modèles Ultralytics YOLO pour automatiser les flux de travail et atteindre 95 % de rappel.
SiteAssist améliore la sécurité sur site en traitant plus de 770 000 images avec Ultralytics YOLO
Apprends comment SiteAssist exploite les modèles Ultralytics YOLO pour améliorer la sécurité sur les chantiers de construction.
Chef Robotics utilise Ultralytics YOLO pour réduire le gaspillage alimentaire de 67 %
Explore comment Chef Robotics utilise les modèles Ultralytics YOLO pour un assemblage alimentaire précis.
Cali Intelligence raccourcit les files d'attente de 43 % avec Ultralytics YOLO
Explore comment Cali Intelligence utilise les modèles Ultralytics YOLO pour réduire les files d'attente en caisse dans le commerce de détail grâce à la détection d'objets.
MarineSitu atteint plus de 96 % de temps de disponibilité dans la surveillance sous-marine grâce à Ultralytics YOLO
Découvre comment MarineSitu utilise Ultralytics YOLO pour transformer la détection d'objets sous-marins.
Theia Scientific accélère l'analyse par microscopie 43x avec Ultralytics YOLO
Découvre comment Theia Scientific utilise Ultralytics YOLO pour redéfinir l'analyse des données de microscopie.
eSmart Systems réduit de moitié le temps d'inspection des lignes électriques avec Ultralytics YOLO
Découvre comment eSmart Systems utilise Ultralytics YOLO pour augmenter la vitesse de détection des défauts et transformer les inspections des services publics.
Axelera AI fournit une inférence IA en périphérie à 34 FPS en utilisant Ultralytics YOLO
Découvre comment Axelera AI utilise Ultralytics YOLO pour offrir une vision en périphérie rapide, précise et efficace sur les puces Metis AI.
STMicroelectronics exécute Ultralytics YOLO sur un MCU à seulement 9,4 mJ par inférence
Découvre comment STMicroelectronics déploie efficacement les modèles Ultralytics YOLO sur des microcontrôleurs basse consommation pour obtenir une inférence précise en temps réel à la périphérie.
Specialvideo atteint 99 % de précision d'inspection alimentaire avec Ultralytics YOLO
Découvre comment Specialvideo utilise les modèles Ultralytics YOLO pour alimenter l'inspection alimentaire par IA en temps réel, garantissant la qualité, réduisant le gaspillage et augmentant l'efficacité.
Vivity AI économise plus de 5 millions de dollars par an dans les opérations industrielles avec Ultralytics YOLO
Découvre comment Vivity AI exploite les modèles Ultralytics YOLO pour améliorer l'automatisation industrielle, augmentant l'efficacité, réduisant les temps d'arrêt et assurant la sécurité au travail.
Videologic Analytics passe à 10 000 licences de caméras IA avec Ultralytics YOLO
Découvre comment Videologic Analytics intègre les modèles Ultralytics YOLO pour améliorer la surveillance vidéo, augmenter la précision de la détection, réduire les fausses alertes et optimiser la surveillance des menaces en temps réel.
Prezent améliore la précision de détection des diapositives de 34 % avec Ultralytics YOLO
Découvre comment Prezent exploite les modèles Ultralytics YOLO pour automatiser la détection des éléments de diapositives, réduisant le temps de traitement à moins de 10 secondes tout en préservant la structure et le design.
ALYCE accélère l'inférence de l'IA de trafic de 20 % avec Ultralytics YOLO
Découvre comment ALYCE utilise les modèles Ultralytics YOLO pour améliorer la précision des données, optimiser la mobilité urbaine et créer des solutions de trafic pilotées par l'IA pour des villes plus durables et intelligentes.
Kiwitron utilise Ultralytics YOLO pour détecter les risques industriels à 30 m de distance
Explore comment Kiwitron utilise les modèles Ultralytics YOLO dans sa solution KewiEye pour détecter et traiter les risques industriels pour une meilleure sécurité.
Glacier Robotics a réduit les fuites de PET de 70 % dans les centres de recyclage aux États-Unis
Découvre comment Glacier Robotics utilise Ultralytics YOLO11 pour réduire les fuites de PET de 70 %, améliorer la précision du recyclage et automatiser le tri des déchets.
SOHGA réduit le temps de surveillance des parkings de 30 % grâce à Ultralytics YOLO
Découvre comment le système MEGURU de SOHGA utilise Ultralytics YOLO26 pour automatiser les patrouilles de parking, réduire le temps de patrouille de 30 % et améliorer la sécurité.
Scaleout réduit les mises à jour de modèles de quelques semaines à quelques heures avec Ultralytics YOLO
Découvre comment Scaleout utilise Ultralytics YOLO et l'apprentissage fédéré pour affiner des modèles d'IA sur des appareils en périphérie (edge) tout en maintenant la sécurité des données sensibles.
RapiD Engineering déploie le contrôle qualité des produits de la mer une semaine plus rapidement avec Ultralytics YOLO
Découvre comment RapiD Engineering utilise Ultralytics YOLO pour automatiser l'inspection du saumon, détecter les défauts en temps réel et économiser une semaine de travail d'ingénierie.
Project Ocean Oasis fait progresser la conservation des récifs avec Ultralytics YOLO
Découvre comment Project Ocean Oasis utilise Ultralytics YOLO, l'edge AI et des systèmes de surveillance autonomes pour intensifier la préservation des récifs et l'intelligence océanique.
Volley équipe plus de 250 entraîneurs par IA sur le court avec Ultralytics YOLO
"Ce qui est vraiment appréciable, c'est que le modèle fonctionne très bien en temps réel sur le matériel en périphérie sur l'entraîneur, et nous pouvons utiliser le même modèle dans le cloud pour exécuter exactement le même flux."
WG Tech Solutions réduit les violations de sécurité de 28 % avec Ultralytics YOLO et l'accélérateur d'IA d'Axelera
Apprends comment WG Tech Solutions a réussi à réduire les violations de sécurité dans la fabrication de 28 % en exploitant Ultralytics YOLO et l'accélérateur d'IA d'Axelera
Stride propose une analyse de la démarche équine en 1 minute avec Ultralytics YOLO
Apprends comment Stride exploite les modèles Ultralytics YOLO pour l'estimation de la pose du cheval, réalisant une analyse complète de la démarche en moins d'une minute.
Pixelabs atteint 95 % de rappel avec l'automatisation pilotée par Ultralytics YOLO
Apprends comment Pixelabs exploite les modèles Ultralytics YOLO pour automatiser les flux de travail et atteindre 95 % de rappel.
SiteAssist améliore la sécurité sur site en traitant plus de 770 000 images avec Ultralytics YOLO
Apprends comment SiteAssist exploite les modèles Ultralytics YOLO pour améliorer la sécurité sur les chantiers de construction.
Chef Robotics utilise Ultralytics YOLO pour réduire le gaspillage alimentaire de 67 %
Explore comment Chef Robotics utilise les modèles Ultralytics YOLO pour un assemblage alimentaire précis.
Cali Intelligence raccourcit les files d'attente de 43 % avec Ultralytics YOLO
Explore comment Cali Intelligence utilise les modèles Ultralytics YOLO pour réduire les files d'attente en caisse dans le commerce de détail grâce à la détection d'objets.
MarineSitu atteint plus de 96 % de temps de disponibilité dans la surveillance sous-marine grâce à Ultralytics YOLO
Découvre comment MarineSitu utilise Ultralytics YOLO pour transformer la détection d'objets sous-marins.
Theia Scientific accélère l'analyse par microscopie 43x avec Ultralytics YOLO
Découvre comment Theia Scientific utilise Ultralytics YOLO pour redéfinir l'analyse des données de microscopie.
eSmart Systems réduit de moitié le temps d'inspection des lignes électriques avec Ultralytics YOLO
Découvre comment eSmart Systems utilise Ultralytics YOLO pour augmenter la vitesse de détection des défauts et transformer les inspections des services publics.
Axelera AI fournit une inférence IA en périphérie à 34 FPS en utilisant Ultralytics YOLO
Découvre comment Axelera AI utilise Ultralytics YOLO pour offrir une vision en périphérie rapide, précise et efficace sur les puces Metis AI.
STMicroelectronics exécute Ultralytics YOLO sur un MCU à seulement 9,4 mJ par inférence
Découvre comment STMicroelectronics déploie efficacement les modèles Ultralytics YOLO sur des microcontrôleurs basse consommation pour obtenir une inférence précise en temps réel à la périphérie.
Specialvideo atteint 99 % de précision d'inspection alimentaire avec Ultralytics YOLO
Découvre comment Specialvideo utilise les modèles Ultralytics YOLO pour alimenter l'inspection alimentaire par IA en temps réel, garantissant la qualité, réduisant le gaspillage et augmentant l'efficacité.
Vivity AI économise plus de 5 millions de dollars par an dans les opérations industrielles avec Ultralytics YOLO
Découvre comment Vivity AI exploite les modèles Ultralytics YOLO pour améliorer l'automatisation industrielle, augmentant l'efficacité, réduisant les temps d'arrêt et assurant la sécurité au travail.
Videologic Analytics passe à 10 000 licences de caméras IA avec Ultralytics YOLO
Découvre comment Videologic Analytics intègre les modèles Ultralytics YOLO pour améliorer la surveillance vidéo, augmenter la précision de la détection, réduire les fausses alertes et optimiser la surveillance des menaces en temps réel.
Prezent améliore la précision de détection des diapositives de 34 % avec Ultralytics YOLO
Découvre comment Prezent exploite les modèles Ultralytics YOLO pour automatiser la détection des éléments de diapositives, réduisant le temps de traitement à moins de 10 secondes tout en préservant la structure et le design.
ALYCE accélère l'inférence de l'IA de trafic de 20 % avec Ultralytics YOLO
Découvre comment ALYCE utilise les modèles Ultralytics YOLO pour améliorer la précision des données, optimiser la mobilité urbaine et créer des solutions de trafic pilotées par l'IA pour des villes plus durables et intelligentes.
Kiwitron utilise Ultralytics YOLO pour détecter les risques industriels à 30 m de distance
Explore comment Kiwitron utilise les modèles Ultralytics YOLO dans sa solution KewiEye pour détecter et traiter les risques industriels pour une meilleure sécurité.
Glacier Robotics a réduit les fuites de PET de 70 % dans les centres de recyclage aux États-Unis
Découvre comment Glacier Robotics utilise Ultralytics YOLO11 pour réduire les fuites de PET de 70 %, améliorer la précision du recyclage et automatiser le tri des déchets.
SOHGA réduit le temps de surveillance des parkings de 30 % grâce à Ultralytics YOLO
Découvre comment le système MEGURU de SOHGA utilise Ultralytics YOLO26 pour automatiser les patrouilles de parking, réduire le temps de patrouille de 30 % et améliorer la sécurité.
Scaleout réduit les mises à jour de modèles de quelques semaines à quelques heures avec Ultralytics YOLO
Découvre comment Scaleout utilise Ultralytics YOLO et l'apprentissage fédéré pour affiner des modèles d'IA sur des appareils en périphérie (edge) tout en maintenant la sécurité des données sensibles.
RapiD Engineering déploie le contrôle qualité des produits de la mer une semaine plus rapidement avec Ultralytics YOLO
Découvre comment RapiD Engineering utilise Ultralytics YOLO pour automatiser l'inspection du saumon, détecter les défauts en temps réel et économiser une semaine de travail d'ingénierie.
Project Ocean Oasis fait progresser la conservation des récifs avec Ultralytics YOLO
Découvre comment Project Ocean Oasis utilise Ultralytics YOLO, l'edge AI et des systèmes de surveillance autonomes pour intensifier la préservation des récifs et l'intelligence océanique.
Volley équipe plus de 250 entraîneurs par IA sur le court avec Ultralytics YOLO
"Ce qui est vraiment appréciable, c'est que le modèle fonctionne très bien en temps réel sur le matériel en périphérie sur l'entraîneur, et nous pouvons utiliser le même modèle dans le cloud pour exécuter exactement le même flux."
WG Tech Solutions réduit les violations de sécurité de 28 % avec Ultralytics YOLO et l'accélérateur d'IA d'Axelera
Apprends comment WG Tech Solutions a réussi à réduire les violations de sécurité dans la fabrication de 28 % en exploitant Ultralytics YOLO et l'accélérateur d'IA d'Axelera
Stride propose une analyse de la démarche équine en 1 minute avec Ultralytics YOLO
Apprends comment Stride exploite les modèles Ultralytics YOLO pour l'estimation de la pose du cheval, réalisant une analyse complète de la démarche en moins d'une minute.
Pixelabs atteint 95 % de rappel avec l'automatisation pilotée par Ultralytics YOLO
Apprends comment Pixelabs exploite les modèles Ultralytics YOLO pour automatiser les flux de travail et atteindre 95 % de rappel.
SiteAssist améliore la sécurité sur site en traitant plus de 770 000 images avec Ultralytics YOLO
Apprends comment SiteAssist exploite les modèles Ultralytics YOLO pour améliorer la sécurité sur les chantiers de construction.
Chef Robotics utilise Ultralytics YOLO pour réduire le gaspillage alimentaire de 67 %
Explore comment Chef Robotics utilise les modèles Ultralytics YOLO pour un assemblage alimentaire précis.
Cali Intelligence raccourcit les files d'attente de 43 % avec Ultralytics YOLO
Explore comment Cali Intelligence utilise les modèles Ultralytics YOLO pour réduire les files d'attente en caisse dans le commerce de détail grâce à la détection d'objets.
MarineSitu atteint plus de 96 % de temps de disponibilité dans la surveillance sous-marine grâce à Ultralytics YOLO
Découvre comment MarineSitu utilise Ultralytics YOLO pour transformer la détection d'objets sous-marins.
Theia Scientific accélère l'analyse par microscopie 43x avec Ultralytics YOLO
Découvre comment Theia Scientific utilise Ultralytics YOLO pour redéfinir l'analyse des données de microscopie.
eSmart Systems réduit de moitié le temps d'inspection des lignes électriques avec Ultralytics YOLO
Découvre comment eSmart Systems utilise Ultralytics YOLO pour augmenter la vitesse de détection des défauts et transformer les inspections des services publics.
Axelera AI fournit une inférence IA en périphérie à 34 FPS en utilisant Ultralytics YOLO
Découvre comment Axelera AI utilise Ultralytics YOLO pour offrir une vision en périphérie rapide, précise et efficace sur les puces Metis AI.
STMicroelectronics exécute Ultralytics YOLO sur un MCU à seulement 9,4 mJ par inférence
Découvre comment STMicroelectronics déploie efficacement les modèles Ultralytics YOLO sur des microcontrôleurs basse consommation pour obtenir une inférence précise en temps réel à la périphérie.
Specialvideo atteint 99 % de précision d'inspection alimentaire avec Ultralytics YOLO
Découvre comment Specialvideo utilise les modèles Ultralytics YOLO pour alimenter l'inspection alimentaire par IA en temps réel, garantissant la qualité, réduisant le gaspillage et augmentant l'efficacité.
Vivity AI économise plus de 5 millions de dollars par an dans les opérations industrielles avec Ultralytics YOLO
Découvre comment Vivity AI exploite les modèles Ultralytics YOLO pour améliorer l'automatisation industrielle, augmentant l'efficacité, réduisant les temps d'arrêt et assurant la sécurité au travail.
Videologic Analytics passe à 10 000 licences de caméras IA avec Ultralytics YOLO
Découvre comment Videologic Analytics intègre les modèles Ultralytics YOLO pour améliorer la surveillance vidéo, augmenter la précision de la détection, réduire les fausses alertes et optimiser la surveillance des menaces en temps réel.
Prezent améliore la précision de détection des diapositives de 34 % avec Ultralytics YOLO
Découvre comment Prezent exploite les modèles Ultralytics YOLO pour automatiser la détection des éléments de diapositives, réduisant le temps de traitement à moins de 10 secondes tout en préservant la structure et le design.
ALYCE accélère l'inférence de l'IA de trafic de 20 % avec Ultralytics YOLO
Découvre comment ALYCE utilise les modèles Ultralytics YOLO pour améliorer la précision des données, optimiser la mobilité urbaine et créer des solutions de trafic pilotées par l'IA pour des villes plus durables et intelligentes.
Kiwitron utilise Ultralytics YOLO pour détecter les risques industriels à 30 m de distance
Explore comment Kiwitron utilise les modèles Ultralytics YOLO dans sa solution KewiEye pour détecter et traiter les risques industriels pour une meilleure sécurité.
Questions fréquemment posées
YOLO26 prend en charge l'exportation vers TensorRT, ONNX, CoreML, TFLite et OpenVINO, couvrant la plupart des cibles de déploiement en périphérie (edge). L'architecture sans NMS signifie moins de problèmes d'intégration et une latence plus faible dès la sortie.
Oui. YOLO26 suit la même interface que les précédentes versions de Ultralytics YOLO, la migration est donc simple. Remplace simplement tes poids de modèle par ceux de YOLO26.
Détection d'objets, segmentation d'instances, segmentation sémantique, classification d'images, estimation de pose et détection d'objets orientés, le tout dans une seule famille de modèles unifiée.
La variante nano (n) est idéale pour les appareils en périphérie et à CPU limité. Les variantes small (s) et medium (m) offrent un excellent équilibre entre vitesse et précision pour la plupart des applications. Les variantes large (l) et extra-large (x) offrent une précision maximale pour les charges de travail exigeantes.
YOLO26 supprime le DFL pour une exportation plus simple, élimine le NMS pour une inférence de bout en bout plus rapide, améliore la précision sur les petits objets avec ProgLoss + STAL, introduit l'optimiseur MuSGD pour un entraînement plus stable et permet une inférence CPU jusqu'à 43 % plus rapide.
Lance-toi avec Ultralytics YOLO !
De l'annotation au déploiement, construis des solutions d'IA de vision qui évoluent avec toi.