Assistenza Ultralytics
Trova le risposte nella documentazione, entra in contatto con la community o contatta direttamente il nostro team.
Ricevi assistenza per argomento
Individua qui sotto l'area del problema per trovare guide dettagliate, tutorial e soluzioni ai problemi.
Annota
Etichettatura, formati dei dataset e risoluzione dei problemi di annotazione
Scopri di più
Addestra
Configurazione dell'addestramento, errori GPU e CUDA e miglioramento della precisione
Scopri di più
Distribuisci
Formati di esportazione, distribuzione su edge e cloud e inferenza
Scopri di più
Agenti
Flussi di lavoro visivi con YOLO, modelli visione-linguaggio, condizioni e avvisi
Scopri di più
Modelli Ultralytics YOLO
Scelta del modello, modalità di predizione e guide alle architetture
Scopri di più
API
Configurazione dell'SDK, riferimento REST API e assistenza per le integrazioni
Scopri di più
Licenza Ultralytics YOLO
AGPL-3.0 o versione Enterprise, conformità e fatturazione
Scopri di piùDal blog
Claude Fable 5.2 è arrivato e si rifiuta di esaminare le radiografie di sicurezza
Claude Fable 5.2 è arrivato e si rifiuta di etichettare il dataset di radiografie di sicurezza IEDXray su Ultralytics Platform: tutte e 10 le scansioni bloccate, mentre i modelli open hanno risposto.
Rilevamento di oggetti piccoli con il tiling delle immagini in Ultralytics YOLO, da Python a Rust
Scopri quando il tiling delle immagini aiuta YOLO a rilevare oggetti piccoli, confrontane i costi ed esegui l'inferenza integrata con tiling in Python o Rust senza SAHI.
Pianificare il budget per l’annotazione delle immagini: postazioni, IA ed esportazioni
Confronta i costi dei software di annotazione delle immagini, i limiti dei piani gratuiti e le quote per l’IA. Stima i costi del software e del progetto con un esempio dettagliato per un team di tre persone.
Le migliori piattaforme per addestrare classificatori di immagini personalizzati
Confronto tra piattaforme per addestrare classificatori di immagini: AutoML senza codice, piattaforme per sviluppatori e strumenti edge, e come scegliere in base a controllo, distribuzione e costi.
Come regolare la soglia IoU di NMS in Ultralytics YOLO
Regola la soglia IoU di NMS in Ultralytics YOLO: perché la predizione ora usa 0.5 come valore predefinito, quando modificare iou invece di conf e quando evitare NMS con YOLO26.
I migliori strumenti per dati sintetici nell'addestramento della visione artificiale
Strumenti per dati sintetici per la visione artificiale a confronto per metodo: simulazione 3D, modelli generativi e augmentation, e come testarli con Ultralytics YOLO.
Ultralytics all'AMD Embedded AI Working Group di Dublino
Scopri come Ultralytics e AMD hanno esplorato l'IA fisica, la robotica e la distribuzione della computer vision all'AMD Embedded AI Working Group 2026 di Dublino.
Come scegliere un VLM per l'annotazione automatica usando precisione e richiamo
Scegli un VLM per l'annotazione automatica in base a precisione e richiamo: quali modelli generano meno riquadri indesiderati, quali mancano meno oggetti e come testarli sui tuoi dati.
ONNX vs TensorRT per l'inferenza di visione artificiale: benchmark e come scegliere
ONNX Runtime vs TensorRT per l'inferenza di visione artificiale: velocità e accuratezza misurate di Ultralytics YOLO26 su 19 GPU NVIDIA e come scegliere.
Rilevamento dei DPI mancanti: addestra Ultralytics YOLO su Construction-PPE
Scopri come Construction-PPE etichetta caschi, giubbotti e guanti mancanti, quindi addestra Ultralytics YOLO a rilevare i DPI mancanti dalle telecamere del tuo sito.
Guida ai dataset per il rilevamento dei droni: addestra Ultralytics YOLO sui piccoli UAV
Confronta i dataset DUT Anti-UAV, Drone-vs-Bird e per il rilevamento termico dei droni, poi addestra Ultralytics YOLO26 per individuare i droni minuscoli e ridurre i falsi allarmi.
AI conforme a HIPAA per l'imaging medico: cosa copre un BAA e come addestrare modelli con dati dei pazienti
Scopri cosa richiede l'AI conforme a HIPAA per l'imaging medico, cosa copre un BAA di Ultralytics e come annotare, addestrare e distribuire modelli usando dati dei pazienti.
I migliori modelli di stima della profondità: come scegliere
Confronta modelli di profondità monoculare come Depth Anything, Depth Pro, Metric3D, UniDepth e Ultralytics YOLO26 per la profondità metrica, i dispositivi edge e la robotica.
Come migrare i modelli Ultralytics YOLO da W&B a Ultralytics Platform
Importa i modelli Ultralytics YOLO da Weights & Biases (W&B) in Ultralytics Platform senza riaddestrarli, quindi confronta gli esperimenti, esporta i modelli e distribuiscili.
GPT-6.1 Terra conquista il primo posto nell'auto-annotazione, superando gli stessi modelli di punta di OpenAI
L'auto-annotazione con GPT-6.1 Terra supera 39 modelli nella nostra VLM Leaderboard: 0.560 mAP50 a 4,36 $ per 1.000 immagini, davanti a GPT-6.1 Sol e Gemini 4 Argon.
Auto-annotazione con MiniMax-M3.1-Flash: perché ragionare meno ha prodotto box migliori
Auto-annotazione con MiniMax-M3.1-Flash in Ultralytics Platform: 0,317 mAP50 a 1,84 $ per 1.000 immagini dopo la messa a punto, con 0,86 nel rilevamento di navi SAR.
Auto-annotazione con Kimi K3.1 Pro: un terzo meglio di K3, con impegno elevato
L'auto-annotazione con Kimi K3.1 Pro ottiene 0,444 mAP50 su UL37, un terzo in più di Kimi K3. Scopri perché lo eseguiamo con impegno elevato, quanto costa e in quali ambiti eccelle.
Ultralytics YOLO e NVIDIA Cosmos Data Factory: dati sintetici per il rilevamento dei difetti
I dati sintetici di NVIDIA Cosmos Data Factory e un ciclo di addestramento agentico aiutano Ultralytics YOLO26 a raggiungere la stessa accuratezza nel rilevamento dei difetti dell'intero dataset usando meno etichette.
Auto-annotazione con Gemini 4 Argon: i box più precisi tra 39 modelli
Auto-annotazione con Gemini 4 Argon su Ultralytics Platform: 2° su 39 modelli, precisione massima (0,667), primo in 6 domini su 12, 7,60 $ per 1.000 immagini fino al 30 novembre.
Open Compute, Open Vision: AMD a Ultralytics YOLO Vision 2026
Scopri come AMD ha portato l'open compute a Ultralytics YOLO Vision 2026 con un intervento su ROCm, workshop pratici e demo che eseguono YOLO sulle GPU AMD Radeon.
I migliori modelli di classificazione delle immagini: come scegliere
Confronta i principali modelli di classificazione delle immagini, da ConvNeXt V2 e DINOv3 a EfficientNetV2, ViT e Ultralytics YOLO26-cls, e scopri come scegliere.
Segmentazione semantica e di istanza: come scegliere l'attività giusta
La segmentazione semantica assegna una classe a ogni pixel; la segmentazione di istanza distingue ogni singolo oggetto. Scopri quale serve al tuo progetto di visione artificiale e perché.
Ultralytics ad Arm Create 2026: IA per la visione in tempo reale sull'edge
I momenti salienti di Ultralytics ad Arm Create 2026 a Shenzhen: distribuzione di Ultralytics YOLO per l'IA edge in tempo reale, il panel sui modelli e il nuovo Arm AI Portal.
Meetup Ultralytics: Londra
Resoconto del meetup Ultralytics di Londra: primo sguardo a YOLO27, demo di Ultralytics Platform e un panel sull'IA per la visione con NVIDIA e Arm.
Monitoraggio di Ultralytics Platform: mantieni sotto controllo le distribuzioni di IA per la visione
Monitora i modelli di IA per la visione distribuiti con Ultralytics Platform. Tieni sotto controllo lo stato degli endpoint, la latenza, gli errori, i log e le statistiche delle predizioni in tempo reale.
Presentazione di Ultralytics Agents: crea più rapidamente workflow di IA visiva
Crea workflow di IA visiva con Ultralytics Agents. Collega modelli YOLO, modelli visione-linguaggio, condizioni, dataset e avvisi Slack in un'unica canvas.
Presentazione di Ultralytics AutoTrain: semplifica l'addestramento dei modelli di IA visiva
Addestra, confronta e migliora i modelli Ultralytics YOLO con AutoTrain in Ultralytics Platform, dalla baseline iniziale alla messa in produzione.
I momenti salienti di Ultralytics YOLO Vision 2026!
I momenti salienti di YOLO Vision 2026, dove Ultralytics ha presentato Ultralytics YOLO27 e mostrato AutoTrain, Agents e Monitoring su Ultralytics Platform.
Ultralytics YOLO26 ora supporta la stima monoculare della profondità
Scopri come la nuova attività di stima della profondità in Ultralytics YOLO26 predice la profondità metrica per ogni pixel da una singola immagine RGB, senza bisogno di un sistema stereo o di LiDAR.
Le migliori piattaforme di annotazione di immagini per la visione artificiale
Confronto tra nove piattaforme di annotazione di immagini per la visione artificiale: CVAT, Encord, Label Studio, Labelbox, Roboflow, Scale AI, SuperAnnotate, Ultralytics e V7.
Domande frequenti
Sì. Oltre al supporto standard, Ultralytics offre servizi di ingegneria personalizzati per i team che hanno bisogno di assistenza pratica per integrare YOLO in prodotti web, mobile o cloud. Questi servizi includono l’addestramento dei modelli, l’architettura di distribuzione e soluzioni su misura. Contatta il team commerciale per discutere le tue esigenze e ricevere un preventivo.
Per i bug del pacchetto YOLO open source, apri una segnalazione su GitHub. Per i problemi specifici di Ultralytics Platform, come i processi di addestramento, le distribuzioni o la fatturazione, usa il modulo di feedback all’interno della piattaforma oppure contatta il tuo canale di supporto dedicato se hai un piano Enterprise.
Per il supporto della community, i tempi di risposta variano in base all’attività sul forum e su GitHub, anche se il nostro team punta a rispondere alle segnalazioni su GitHub entro 24 ore. I clienti Enterprise ricevono tempi di risposta garantiti, definiti in uno SLA contrattuale e adattati alle dimensioni e alle esigenze della loro organizzazione.
I clienti Enterprise ricevono un SE/CSM di riferimento, uno SLA contrattuale, ore di consulenza con un SE, un onboarding strutturato con verifiche intermedie, supporto per l’avvio dei progetti e revisioni aziendali trimestrali. È pensato per le organizzazioni che utilizzano Ultralytics su larga scala e hanno bisogno di un contatto diretto con il nostro team fin dal primo giorno. Contatta il team commerciale per valutare la soluzione più adatta alla tua organizzazione.
I piani Free e Pro includono l'accesso al supporto della community e al nostro forum attivo, dove puoi porre domande, condividere progetti e ricevere risposte da altri sviluppatori e dal team Ultralytics. Hai inoltre pieno accesso alla documentazione Ultralytics, a GitHub e ai video tutorial, che trattano ogni aspetto, dall'annotazione alla distribuzione.
Costruiamo insieme il futuro dell'IA!
Inizia il tuo percorso verso il futuro del machine learning