ULTRALYTICS YOLO
Conçu dès le départ pour les appareils en périphérie et à faible consommation, Ultralytics établit une nouvelle référence en matière d'IA visuelle en temps réel, offrant des performances d' s CPU jusqu'à 43 % plus rapides grâce à une architecture plus épurée et plus simple.
Découvrez le fonctionnement des modèlesYOLO d'Ultralytics directement dans votre navigateur.
Plus de 130 700
Plus de 263,7 millions
plus de 2,8 milliards
Plus de 1 000
Des performances en temps réel sur des appareils sans carte graphique, spécialement conçus pour les environnements en périphérie et à ressources limitées.
1
Prédictions générées directement, sans étape de post-traitement. Latence réduite, déploiement simplifié.
2
La suppression de la perte focale de distribution (DFL) simplifie les exportations et élargit la compatibilité avec les appareils périphériques.
3
Un modèle hybride combinant SGD Muon, inspiré des avancées en matière d'entraînement des grands modèles de langage (LLM), qui offre un entraînement plus stable et une convergence plus rapide.
4
.svg)
Fonctionne efficacement sur les processeurs, les cartes graphiques et les équipements périphériques. Exportez vers plus de 17 formats et déployez vos projets où vous le souhaitez.
Une IA de vision en temps réel sur des appareils aux ressources limitées, sans compromettre la précision.
Détectez des éléments au-delà des catégories prédéfinies à l'aide de consignes textuelles, de repères visuels ou d'inférences sans consignes, parmi 4 585 classes.
YOLO26 reprend l'interface familière de YOLOv8 YOLO11, ce qui facilite sa prise en main.
Des canaux d'assistance dédiés, des forums dynamiques et des mises à jour régulières vous permettent d'aller de l'avant.
Des options flexibles pour une utilisation à des fins universitaires, open source et commerciales sous licence AGPL-3.0 licence Enterprise.
YOLO26 supprime le DFL pour simplifier l'exportation, élimine NMS accélérer l'inférence de bout en bout, améliore la précision sur les petits objets grâce à ProgLoss + STAL, introduit l'optimiseur MuSGD pour un apprentissage plus stable et offre CPU jusqu'à 43 % plus rapide.
La variante nano (n) est idéale pour les appareils en périphérie et CPU. Les variantes petite (s) et moyenne (m) offrent un excellent compromis entre vitesse et précision pour la plupart des applications. Les variantes grande (l) et très grande (x) garantissent une précision maximale pour les charges de travail exigeantes.
Détection d'objets, segmentation d'instances, classification d'images, estimation de la pose et détection d'objets orientés, le tout au sein d'une seule et même famille de modèles.
Oui. YOLO26 utilise la même interface que YOLOv8 YOLO11, la migration est donc très simple. Il suffit d'importer les paramètres de votre modèle YOLO26.
YOLO26 prend en charge l'exportation vers TensorRT, ONNX, CoreML, TFLite et OpenVINO, couvrant ainsi les cibles de déploiement en périphérie les plus courantes. Son architecture NMS permet de réduire les difficultés d'intégration et d'obtenir une latence plus faible dès la mise en service.
De l'annotation au déploiement, créez des solutions d'IA visuelle qui évoluent au rythme de votre entreprise.
%20(1).svg){kind=logo}
.webp)
.webp){kind=logo}
%201.webp)
.webp)
.webp)
%2525201.webp){kind=logo}
.webp)
