ULTRALYTICS YOLO
Progettato appositamente per dispositivi edge e a basso consumo, Ultralytics definisce un nuovo standard per l'intelligenza artificiale visiva in tempo reale, garantendo un' e CPU fino al 43% più veloce grazie a un'architettura più pulita e semplice.



























Esplora il funzionamento dei modelli Ultralytics YOLO direttamente nel tuo browser.
130.700+
Oltre 263,7 milioni
oltre 2,8 miliardi
1.000+

Prestazioni in tempo reale su dispositivi privi di GPU, progettati appositamente per l'edge computing e gli ambienti con risorse limitate.
1

Previsioni generate direttamente, senza alcuna fase di post-elaborazione. Minore latenza, implementazione più semplice.
2

L'eliminazione della perdita focale di distribuzione (DFL) semplifica le esportazioni e amplia la compatibilità con i dispositivi periferici.
3

Un modello ibrido tra SGD Muon, ispirato ai progressi nell'addestramento dei modelli di linguaggio di grandi dimensioni (LLM), che garantisce un addestramento più stabile e una convergenza più rapida.
4

Funziona in modo efficiente su CPU, GPU e hardware edge. Esporta in oltre 17 formati e distribuisci ovunque.

Intelligenza artificiale per la visione in tempo reale su dispositivi con risorse limitate, senza compromettere la precisione.

Rileva elementi al di là delle categorie prestabilite utilizzando suggerimenti testuali, suggerimenti visivi o inferenze senza suggerimenti in 4.585 classi.

YOLO26 presenta la stessa interfaccia familiare di YOLOv8 YOLO11, senza una curva di apprendimento ripida.

Canali di assistenza dedicati, forum attivi e aggiornamenti regolari ti aiutano a progredire.

Opzioni flessibili per uso accademico, open source e commerciale con licenze AGPL-3.0 Enterprise.
YOLO26 rimuove DFL per semplificare l'esportazione, elimina NMS velocizzare l'inferenza end-to-end, migliora la precisione nel riconoscimento di oggetti di piccole dimensioni grazie a ProgLoss + STAL, introduce l'ottimizzatore MuSGD per un addestramento più stabile e garantisce CPU fino al 43% più veloce.
La variante nano (n) è ideale per i dispositivi edge e CPU. Le varianti small (s) e medium (m) offrono un ottimo equilibrio tra velocità e precisione per la maggior parte delle applicazioni. Le varianti large (l) ed extra-large (x) garantiscono la massima precisione per i carichi di lavoro più impegnativi.
Rilevamento di oggetti, segmentazione di istanze, classificazione di immagini, stima della posa e rilevamento di oggetti orientati, il tutto in un'unica famiglia di modelli unificata.
Sì. YOLO26 utilizza la stessa interfaccia di YOLOv8 YOLO11, quindi la migrazione è semplicissima. Basta sostituire i pesi del modello con quelli di YOLO26.
YOLO26 supporta l'esportazione in TensorRT, ONNX, CoreML, TFLite e OpenVINO, coprendo le destinazioni di distribuzione edge più comuni. L'architettura NMS garantisce una minore complessità di integrazione e una latenza ridotta fin da subito.
Dall'implementazione alla messa in produzione, crea soluzioni di intelligenza artificiale visiva in grado di crescere insieme alla tua azienda.