Scelto dai leader del settore
Prova l'inferenza di YOLO26
Trascina un'immagine per vedere l'object detection in tempo reale
Immagine di input
Carica un'immagine o seleziona un esempio per testare yolo26n. Documentazione di Predict
Trascina un'immagine qui
o clicca per sfogliare
Supporta JPEG, PNG, WebP, AVIF, HEIC, JP2, TIFF, BMP e altro (massimo 10MB)
Confidenza
0.25
IoU
0.70
Dimensioni immagine
640
Documentazione API
Distribuisci il tuo modello per ottenere un endpoint di inferenza dedicato con autenticazione tramite chiave API: quindi sostituisci l'URL segnaposto e la chiave qui sotto con i tuoi valori di distribuzione. Documentazione Deploy
Nota: Questo è un codice di esempio. Distribuisci prima il tuo modello per ottenere l'URL dell'endpoint e la chiave 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())Principali miglioramenti di Ultralytics YOLO26
Inferenza su CPU fino al 43% più veloce
Prestazioni in tempo reale su dispositivi senza GPU, appositamente progettato per ambienti edge e limitati.
Inferenza end-to-end senza NMS
Le previsioni vengono generate direttamente, senza passaggi di post-elaborazione. Latenza inferiore, distribuzione più semplice.
Nessun DFL, maggiore compatibilità hardware
La rimozione della Distribution Focal Loss (DFL) semplifica le esportazioni e amplia la compatibilità con i dispositivi edge.
MuSGD: Un ottimizzatore più intelligente
Un ibrido tra SGD e Muon ispirato ai progressi nell'addestramento LLM per un addestramento più stabile.
Modelli Ultralytics YOLO a colpo d'occhio
Confronta le recenti famiglie di modelli Ultralytics YOLO in termini di velocità, accuratezza e attività di visione supportate.
| Funzionalità |  |  |  |  |
|---|---|---|---|---|
| Velocità Tempo di elaborazione dell'immagine | 1,06 ms | 0,99 ms | 1,5 ms | 1,7 ms |
| Accuratezza mAP50-95 | 34,3% | 37,3% | 39,5% | 40,9% |
| Object detection | ||||
| Instance segmentation | - | |||
| Segmentazione semantica | - | - | ||
| Stima della profondità | - | - | - | |
| Classificazione immagini | - | |||
| Pose estimation | - | |||
| Rilevamento OBB | - |
Perché scegliere Ultralytics YOLO26?
Progettato per edge e cloud
Funziona in modo efficiente su CPU, GPU e hardware edge. Esporta in 20 formati e distribuisci ovunque.
Inferenza su CPU fino al 43% più veloce
Visione artificiale in tempo reale su dispositivi con risorse limitate, senza sacrificare l'accuratezza.
Rilevamento open-world con YOLOE-26
Rileva oltre le categorie fisse utilizzando suggerimenti testuali, visivi o inferenza senza suggerimenti.
Integrazione perfetta
YOLO26 segue la stessa interfaccia familiare di YOLOv8 e YOLO11, senza alcuna ripida curva di apprendimento.
Supportato da una comunità globale
Canali di supporto dedicati, forum attivi e aggiornamenti regolari ti aiutano a progredire.
Licenze chiare
Opzioni flessibili per uso accademico, open-source e commerciale sotto AGPL-3.0 ed Enterprise.
Guarda i nostri modelli in azione
Glacier Robotics ha ridotto le perdite di PET del 70% negli impianti di riciclaggio statunitensi
Scopri come Glacier Robotics utilizza Ultralytics YOLO11 per ridurre le perdite di PET del 70%, migliorare la precisione nel riciclaggio e automatizzare lo smistamento dei rifiuti.
SOHGA riduce il tempo di monitoraggio dei parcheggi del 30% con Ultralytics YOLO
Scopri come il sistema MEGURU di SOHGA utilizza Ultralytics YOLO26 per automatizzare le pattuglie dei parcheggi, ridurre il tempo di pattugliamento del 30% e migliorare la sicurezza.
Scaleout riduce gli aggiornamenti dei modelli da settimane a ore con Ultralytics YOLO
Scopri come Scaleout utilizza Ultralytics YOLO e l'apprendimento federato per ottimizzare i modelli AI su dispositivi edge mantenendo al sicuro i dati sensibili.
RapiD Engineering distribuisce il controllo qualità dei prodotti ittici una settimana più velocemente con Ultralytics YOLO
Scopri come RapiD Engineering utilizza Ultralytics YOLO per automatizzare l'ispezione del salmone, rilevare difetti in tempo reale e risparmiare una settimana di lavoro di ingegneria.
Project Ocean Oasis promuove la conservazione delle barriere coralline con Ultralytics YOLO
Scopri come Project Ocean Oasis utilizza Ultralytics YOLO, edge AI e sistemi di monitoraggio autonomo per ampliare la conservazione delle barriere coralline e l'ocean intelligence.
Volley alimenta oltre 250 trainer IA in campo con Ultralytics YOLO
"Ciò che è davvero bello è che il modello funziona molto bene in tempo reale sull'hardware edge del trainer, e possiamo usare lo stesso modello nel cloud per eseguire esattamente lo stesso flusso."
WG Tech Solutions riduce le violazioni della sicurezza del 28% con Ultralytics YOLO e l'acceleratore AI di Axelera
Scopri come WG Tech Solutions è riuscita a ridurre le violazioni della sicurezza nella produzione del 28% sfruttando Ultralytics YOLO e l'acceleratore AI di Axelera
Stride offre un'analisi dell'andatura equina in 1 minuto con Ultralytics YOLO
Scopri come Stride sfrutta i modelli Ultralytics YOLO per la stima della posa dei cavalli, ottenendo un'analisi completa dell'andatura in meno di 1 minuto.
Pixelabs ottiene un richiamo del 95% con l'automazione guidata da Ultralytics YOLO
Scopri come Pixelabs sfrutta i modelli Ultralytics YOLO per automatizzare i flussi di lavoro e ottenere un richiamo del 95%.
SiteAssist migliora la sicurezza del sito elaborando oltre 770 mila immagini con Ultralytics YOLO
Scopri come SiteAssist sfrutta i modelli Ultralytics YOLO per migliorare la sicurezza nei cantieri edili.
Chef Robotics utilizza Ultralytics YOLO per ridurre gli sprechi alimentari del 67%
Esplora come Chef Robotics utilizza i modelli Ultralytics YOLO per l'assemblaggio preciso di prodotti alimentari.
Cali Intelligence riduce le code alle casse del 43% con Ultralytics YOLO
Esplora come Cali Intelligence utilizza i modelli Ultralytics YOLO per ridurre le code alle casse dei negozi con il rilevamento degli oggetti.
MarineSitu raggiunge oltre il 96% di uptime nel monitoraggio subacqueo utilizzando Ultralytics YOLO
Scopri come MarineSitu utilizza Ultralytics YOLO per trasformare il rilevamento di oggetti subacquei.
Theia Scientific accelera l'analisi microscopica di 43 volte con Ultralytics YOLO
Scopri come Theia Scientific utilizza Ultralytics YOLO per ridefinire l'analisi dei dati di microscopia.
eSmart Systems dimezza il tempo di ispezione delle linee elettriche con Ultralytics YOLO
Scopri come eSmart Systems utilizza Ultralytics YOLO per aumentare la velocità di rilevamento dei difetti e trasformare le ispezioni delle utenze.
Axelera AI offre inferenza edge AI a 34 FPS utilizzando Ultralytics YOLO
Scopri come Axelera AI utilizza Ultralytics YOLO per fornire una visione edge veloce, accurata ed efficiente sui chip Metis AI.
STMicroelectronics esegue Ultralytics YOLO su un MCU a soli 9,4 mJ per inferenza
Scopri come STMicroelectronics distribuisce in modo efficiente i modelli Ultralytics YOLO su microcontrollori a basso consumo per ottenere un'inferenza accurata in tempo reale all'edge.
Specialvideo raggiunge un'accuratezza del 99% nell'ispezione alimentare con Ultralytics YOLO
Scopri come Specialvideo utilizza i modelli Ultralytics YOLO per alimentare l'ispezione alimentare tramite IA in tempo reale, garantendo qualità, riducendo gli sprechi e aumentando l'efficienza.
Vivity AI risparmia oltre 5 milioni di dollari l'anno nelle operazioni industriali con Ultralytics YOLO
Scopri come Vivity AI sfrutta i modelli Ultralytics YOLO per migliorare l'automazione industriale, aumentando l'efficienza, riducendo i tempi di inattività e garantendo la sicurezza sul lavoro.
Videologic Analytics scala fino a 10 mila licenze per telecamere IA con Ultralytics YOLO
Scopri come Videologic Analytics integra i modelli Ultralytics YOLO per migliorare la videosorveglianza, incrementando l'accuratezza del rilevamento, riducendo i falsi allarmi e ottimizzando il monitoraggio delle minacce in tempo reale.
Prezent aumenta l'accuratezza del rilevamento delle slide del 34% con Ultralytics YOLO
Scopri come Prezent sfrutta i modelli Ultralytics YOLO per automatizzare il rilevamento degli elementi nelle slide, riducendo il tempo di elaborazione a meno di 10 secondi pur preservando struttura e design.
ALYCE accelera l'inferenza IA del traffico del 20% con Ultralytics YOLO
Scopri come ALYCE utilizza i modelli Ultralytics YOLO per migliorare l'accuratezza dei dati, ottimizzare la mobilità urbana e creare soluzioni di traffico basate sull'IA per città più sostenibili e intelligenti.
Kiwitron utilizza Ultralytics YOLO per rilevare pericoli industriali a 30 metri di distanza
Esplora come Kiwitron utilizza i modelli Ultralytics YOLO nella sua soluzione KewiEye per rilevare e affrontare i pericoli industriali per una maggiore sicurezza.
Glacier Robotics ha ridotto le perdite di PET del 70% negli impianti di riciclaggio statunitensi
Scopri come Glacier Robotics utilizza Ultralytics YOLO11 per ridurre le perdite di PET del 70%, migliorare la precisione nel riciclaggio e automatizzare lo smistamento dei rifiuti.
SOHGA riduce il tempo di monitoraggio dei parcheggi del 30% con Ultralytics YOLO
Scopri come il sistema MEGURU di SOHGA utilizza Ultralytics YOLO26 per automatizzare le pattuglie dei parcheggi, ridurre il tempo di pattugliamento del 30% e migliorare la sicurezza.
Scaleout riduce gli aggiornamenti dei modelli da settimane a ore con Ultralytics YOLO
Scopri come Scaleout utilizza Ultralytics YOLO e l'apprendimento federato per ottimizzare i modelli AI su dispositivi edge mantenendo al sicuro i dati sensibili.
RapiD Engineering distribuisce il controllo qualità dei prodotti ittici una settimana più velocemente con Ultralytics YOLO
Scopri come RapiD Engineering utilizza Ultralytics YOLO per automatizzare l'ispezione del salmone, rilevare difetti in tempo reale e risparmiare una settimana di lavoro di ingegneria.
Project Ocean Oasis promuove la conservazione delle barriere coralline con Ultralytics YOLO
Scopri come Project Ocean Oasis utilizza Ultralytics YOLO, edge AI e sistemi di monitoraggio autonomo per ampliare la conservazione delle barriere coralline e l'ocean intelligence.
Volley alimenta oltre 250 trainer IA in campo con Ultralytics YOLO
"Ciò che è davvero bello è che il modello funziona molto bene in tempo reale sull'hardware edge del trainer, e possiamo usare lo stesso modello nel cloud per eseguire esattamente lo stesso flusso."
WG Tech Solutions riduce le violazioni della sicurezza del 28% con Ultralytics YOLO e l'acceleratore AI di Axelera
Scopri come WG Tech Solutions è riuscita a ridurre le violazioni della sicurezza nella produzione del 28% sfruttando Ultralytics YOLO e l'acceleratore AI di Axelera
Stride offre un'analisi dell'andatura equina in 1 minuto con Ultralytics YOLO
Scopri come Stride sfrutta i modelli Ultralytics YOLO per la stima della posa dei cavalli, ottenendo un'analisi completa dell'andatura in meno di 1 minuto.
Pixelabs ottiene un richiamo del 95% con l'automazione guidata da Ultralytics YOLO
Scopri come Pixelabs sfrutta i modelli Ultralytics YOLO per automatizzare i flussi di lavoro e ottenere un richiamo del 95%.
SiteAssist migliora la sicurezza del sito elaborando oltre 770 mila immagini con Ultralytics YOLO
Scopri come SiteAssist sfrutta i modelli Ultralytics YOLO per migliorare la sicurezza nei cantieri edili.
Chef Robotics utilizza Ultralytics YOLO per ridurre gli sprechi alimentari del 67%
Esplora come Chef Robotics utilizza i modelli Ultralytics YOLO per l'assemblaggio preciso di prodotti alimentari.
Cali Intelligence riduce le code alle casse del 43% con Ultralytics YOLO
Esplora come Cali Intelligence utilizza i modelli Ultralytics YOLO per ridurre le code alle casse dei negozi con il rilevamento degli oggetti.
MarineSitu raggiunge oltre il 96% di uptime nel monitoraggio subacqueo utilizzando Ultralytics YOLO
Scopri come MarineSitu utilizza Ultralytics YOLO per trasformare il rilevamento di oggetti subacquei.
Theia Scientific accelera l'analisi microscopica di 43 volte con Ultralytics YOLO
Scopri come Theia Scientific utilizza Ultralytics YOLO per ridefinire l'analisi dei dati di microscopia.
eSmart Systems dimezza il tempo di ispezione delle linee elettriche con Ultralytics YOLO
Scopri come eSmart Systems utilizza Ultralytics YOLO per aumentare la velocità di rilevamento dei difetti e trasformare le ispezioni delle utenze.
Axelera AI offre inferenza edge AI a 34 FPS utilizzando Ultralytics YOLO
Scopri come Axelera AI utilizza Ultralytics YOLO per fornire una visione edge veloce, accurata ed efficiente sui chip Metis AI.
STMicroelectronics esegue Ultralytics YOLO su un MCU a soli 9,4 mJ per inferenza
Scopri come STMicroelectronics distribuisce in modo efficiente i modelli Ultralytics YOLO su microcontrollori a basso consumo per ottenere un'inferenza accurata in tempo reale all'edge.
Specialvideo raggiunge un'accuratezza del 99% nell'ispezione alimentare con Ultralytics YOLO
Scopri come Specialvideo utilizza i modelli Ultralytics YOLO per alimentare l'ispezione alimentare tramite IA in tempo reale, garantendo qualità, riducendo gli sprechi e aumentando l'efficienza.
Vivity AI risparmia oltre 5 milioni di dollari l'anno nelle operazioni industriali con Ultralytics YOLO
Scopri come Vivity AI sfrutta i modelli Ultralytics YOLO per migliorare l'automazione industriale, aumentando l'efficienza, riducendo i tempi di inattività e garantendo la sicurezza sul lavoro.
Videologic Analytics scala fino a 10 mila licenze per telecamere IA con Ultralytics YOLO
Scopri come Videologic Analytics integra i modelli Ultralytics YOLO per migliorare la videosorveglianza, incrementando l'accuratezza del rilevamento, riducendo i falsi allarmi e ottimizzando il monitoraggio delle minacce in tempo reale.
Prezent aumenta l'accuratezza del rilevamento delle slide del 34% con Ultralytics YOLO
Scopri come Prezent sfrutta i modelli Ultralytics YOLO per automatizzare il rilevamento degli elementi nelle slide, riducendo il tempo di elaborazione a meno di 10 secondi pur preservando struttura e design.
ALYCE accelera l'inferenza IA del traffico del 20% con Ultralytics YOLO
Scopri come ALYCE utilizza i modelli Ultralytics YOLO per migliorare l'accuratezza dei dati, ottimizzare la mobilità urbana e creare soluzioni di traffico basate sull'IA per città più sostenibili e intelligenti.
Kiwitron utilizza Ultralytics YOLO per rilevare pericoli industriali a 30 metri di distanza
Esplora come Kiwitron utilizza i modelli Ultralytics YOLO nella sua soluzione KewiEye per rilevare e affrontare i pericoli industriali per una maggiore sicurezza.
Glacier Robotics ha ridotto le perdite di PET del 70% negli impianti di riciclaggio statunitensi
Scopri come Glacier Robotics utilizza Ultralytics YOLO11 per ridurre le perdite di PET del 70%, migliorare la precisione nel riciclaggio e automatizzare lo smistamento dei rifiuti.
SOHGA riduce il tempo di monitoraggio dei parcheggi del 30% con Ultralytics YOLO
Scopri come il sistema MEGURU di SOHGA utilizza Ultralytics YOLO26 per automatizzare le pattuglie dei parcheggi, ridurre il tempo di pattugliamento del 30% e migliorare la sicurezza.
Scaleout riduce gli aggiornamenti dei modelli da settimane a ore con Ultralytics YOLO
Scopri come Scaleout utilizza Ultralytics YOLO e l'apprendimento federato per ottimizzare i modelli AI su dispositivi edge mantenendo al sicuro i dati sensibili.
RapiD Engineering distribuisce il controllo qualità dei prodotti ittici una settimana più velocemente con Ultralytics YOLO
Scopri come RapiD Engineering utilizza Ultralytics YOLO per automatizzare l'ispezione del salmone, rilevare difetti in tempo reale e risparmiare una settimana di lavoro di ingegneria.
Project Ocean Oasis promuove la conservazione delle barriere coralline con Ultralytics YOLO
Scopri come Project Ocean Oasis utilizza Ultralytics YOLO, edge AI e sistemi di monitoraggio autonomo per ampliare la conservazione delle barriere coralline e l'ocean intelligence.
Volley alimenta oltre 250 trainer IA in campo con Ultralytics YOLO
"Ciò che è davvero bello è che il modello funziona molto bene in tempo reale sull'hardware edge del trainer, e possiamo usare lo stesso modello nel cloud per eseguire esattamente lo stesso flusso."
WG Tech Solutions riduce le violazioni della sicurezza del 28% con Ultralytics YOLO e l'acceleratore AI di Axelera
Scopri come WG Tech Solutions è riuscita a ridurre le violazioni della sicurezza nella produzione del 28% sfruttando Ultralytics YOLO e l'acceleratore AI di Axelera
Stride offre un'analisi dell'andatura equina in 1 minuto con Ultralytics YOLO
Scopri come Stride sfrutta i modelli Ultralytics YOLO per la stima della posa dei cavalli, ottenendo un'analisi completa dell'andatura in meno di 1 minuto.
Pixelabs ottiene un richiamo del 95% con l'automazione guidata da Ultralytics YOLO
Scopri come Pixelabs sfrutta i modelli Ultralytics YOLO per automatizzare i flussi di lavoro e ottenere un richiamo del 95%.
SiteAssist migliora la sicurezza del sito elaborando oltre 770 mila immagini con Ultralytics YOLO
Scopri come SiteAssist sfrutta i modelli Ultralytics YOLO per migliorare la sicurezza nei cantieri edili.
Chef Robotics utilizza Ultralytics YOLO per ridurre gli sprechi alimentari del 67%
Esplora come Chef Robotics utilizza i modelli Ultralytics YOLO per l'assemblaggio preciso di prodotti alimentari.
Cali Intelligence riduce le code alle casse del 43% con Ultralytics YOLO
Esplora come Cali Intelligence utilizza i modelli Ultralytics YOLO per ridurre le code alle casse dei negozi con il rilevamento degli oggetti.
MarineSitu raggiunge oltre il 96% di uptime nel monitoraggio subacqueo utilizzando Ultralytics YOLO
Scopri come MarineSitu utilizza Ultralytics YOLO per trasformare il rilevamento di oggetti subacquei.
Theia Scientific accelera l'analisi microscopica di 43 volte con Ultralytics YOLO
Scopri come Theia Scientific utilizza Ultralytics YOLO per ridefinire l'analisi dei dati di microscopia.
eSmart Systems dimezza il tempo di ispezione delle linee elettriche con Ultralytics YOLO
Scopri come eSmart Systems utilizza Ultralytics YOLO per aumentare la velocità di rilevamento dei difetti e trasformare le ispezioni delle utenze.
Axelera AI offre inferenza edge AI a 34 FPS utilizzando Ultralytics YOLO
Scopri come Axelera AI utilizza Ultralytics YOLO per fornire una visione edge veloce, accurata ed efficiente sui chip Metis AI.
STMicroelectronics esegue Ultralytics YOLO su un MCU a soli 9,4 mJ per inferenza
Scopri come STMicroelectronics distribuisce in modo efficiente i modelli Ultralytics YOLO su microcontrollori a basso consumo per ottenere un'inferenza accurata in tempo reale all'edge.
Specialvideo raggiunge un'accuratezza del 99% nell'ispezione alimentare con Ultralytics YOLO
Scopri come Specialvideo utilizza i modelli Ultralytics YOLO per alimentare l'ispezione alimentare tramite IA in tempo reale, garantendo qualità, riducendo gli sprechi e aumentando l'efficienza.
Vivity AI risparmia oltre 5 milioni di dollari l'anno nelle operazioni industriali con Ultralytics YOLO
Scopri come Vivity AI sfrutta i modelli Ultralytics YOLO per migliorare l'automazione industriale, aumentando l'efficienza, riducendo i tempi di inattività e garantendo la sicurezza sul lavoro.
Videologic Analytics scala fino a 10 mila licenze per telecamere IA con Ultralytics YOLO
Scopri come Videologic Analytics integra i modelli Ultralytics YOLO per migliorare la videosorveglianza, incrementando l'accuratezza del rilevamento, riducendo i falsi allarmi e ottimizzando il monitoraggio delle minacce in tempo reale.
Prezent aumenta l'accuratezza del rilevamento delle slide del 34% con Ultralytics YOLO
Scopri come Prezent sfrutta i modelli Ultralytics YOLO per automatizzare il rilevamento degli elementi nelle slide, riducendo il tempo di elaborazione a meno di 10 secondi pur preservando struttura e design.
ALYCE accelera l'inferenza IA del traffico del 20% con Ultralytics YOLO
Scopri come ALYCE utilizza i modelli Ultralytics YOLO per migliorare l'accuratezza dei dati, ottimizzare la mobilità urbana e creare soluzioni di traffico basate sull'IA per città più sostenibili e intelligenti.
Kiwitron utilizza Ultralytics YOLO per rilevare pericoli industriali a 30 metri di distanza
Esplora come Kiwitron utilizza i modelli Ultralytics YOLO nella sua soluzione KewiEye per rilevare e affrontare i pericoli industriali per una maggiore sicurezza.
Domande frequenti
YOLO26 supporta l'esportazione in TensorRT, ONNX, CoreML, TFLite e OpenVINO, coprendo i target di distribuzione edge più comuni. L'architettura senza NMS significa meno problemi di integrazione e una latenza inferiore sin da subito.
Sì. YOLO26 segue la stessa interfaccia dei precedenti rilasci di Ultralytics YOLO, quindi la migrazione è semplice. Basta sostituire i tuoi pesi del modello YOLO26.
Object detection, instance segmentation, semantic segmentation, image classification, pose estimation e oriented object detection, tutto in un'unica famiglia di modelli unificata.
La variante nano (n) è ideale per dispositivi edge e con CPU limitata. Le varianti small (s) e medium (m) offrono un solido equilibrio tra velocità e precisione per la maggior parte delle applicazioni. Le varianti large (l) ed extra-large (x) offrono la massima precisione per carichi di lavoro impegnativi.
YOLO26 rimuove DFL per un'esportazione più semplice, elimina NMS per un'inferenza end-to-end più veloce, migliora la precisione sugli oggetti piccoli con ProgLoss + STAL, introduce l'ottimizzatore MuSGD per un addestramento più stabile e offre un'inferenza CPU fino al 43% più veloce.
Inizia con Ultralytics YOLO!
Dall'annotazione alla distribuzione, costruisci soluzioni di vision AI che scalano con te.