Представляем платформу Ultralytics: самый удобный способ аннотировать данные, обучать модели и разворачивать решения на базе ИИ для компьютерного зрения

Мы создали открытую экосистему Ultralytics, чтобы сделать компьютерное зрение доступным для всех. Сейчас миллионы разработчиков по всему миру обучают модели Ultralytics YOLO для самых разных задач — от контроля качества на производственных линиях до автономных систем доставки.

Но на протяжении многих лет мы снова и снова слышали от сообщества одно и то же: обучение качественной модели больше не является главным препятствием в компьютерном зрении. Главная сложность — запустить ее в production.

Сегодня мы это меняем. Представляем Ultralytics Platform — полноценную платформу для всего цикла разработки, созданную специально для того, чтобы провести твой визуальный ИИ от исходных данных до развертывания в production.

Разрыв между отличной моделью и отличным продуктом#

За последнее десятилетие компьютерное зрение и глубокое обучение стремительно перешли из области исследований в разряд критически важной инфраструктуры для реальных систем. Эти технологии обеспечивают контроль качества на производстве, делают возможной розничную торговлю без кассиров, помогают управлять хирургическими роботами и удерживают автономные автомобили на курсе. Модели стали мощнее, чем когда-либо, но путь от работающего прототипа до надежной production-системы? Он по-прежнему сложнее, чем должен быть.

Сегодня большинство команд объединяют разрозненные инструменты для разметки, обучения, отслеживания экспериментов, развертывания и мониторинга. Каждая интеграция усложняет работу. Каждая передача замедляет прогресс. А недели незаметно уходят на управление инфраструктурой вместо разработки самого приложения.

В тесном сотрудничестве с разработчиками, стартапами и корпоративными командами из сообщества компьютерного зрения мы снова и снова сталкивались с тремя проблемами:

• Узкое место на этапе разметки: для высокопроизводительных моделей нужны качественно размеченные данные, но создание и поддержка таких наборов данных по-прежнему требуют много времени и труда.
• Разрыв между обучением и развертыванием: модель, хорошо работающая при обучении, может потребовать еще нескольких недель инженерной работы, чтобы надежно запускаться на периферийных устройствах, в облачных средах и production-системах.
• Издержки из-за раздробленности инструментов: разнесение разметки, обучения, отслеживания экспериментов и развертывания по разным сервисам создает нарастающие накладные расходы и замедляет каждый цикл итераций.

Эти постоянные проблемы — главное узкое место современной разработки систем компьютерного зрения, и именно они в итоге подтолкнули нас к созданию Ultralytics Platform. Упрощение рабочего процесса от подготовки данных до развертывания и объединение ключевых этапов разработки компьютерного зрения помогают командам проще переходить от перспективных моделей к реальным системам визуального ИИ.

Весь жизненный цикл визуального ИИ — в одном месте#

Ultralytics Platform объединяет все этапы рабочего процесса компьютерного зрения: управление данными, разметку, обучение моделей, развертывание и мониторинг. Все это доступно в едином связанном рабочем пространстве, которое упрощает процессы и ускоряет путь от идеи до результата.

Загружай изображения или видео. Размечай их с помощью встроенных инструментов. Обучай такие модели, как Ultralytics YOLO26, прямо на платформе. Развертывай их по всему миру. Следи за производительностью в реальном времени. Каждый этап плавно переходит в следующий, чтобы ты мог сосредоточиться на разработке приложения, а не на управлении инфраструктурой.

Рис. 1. Обзор Ultralytics Platform (Источник)

От идеи до развертывания: как работает Ultralytics Platform#

Чтобы превратить идею в области компьютерного зрения в работающую систему, нужно пройти несколько этапов: от подготовки данных до запуска моделей в production. Ultralytics Platform организует этот процесс в понятный и простой конвейер, который помогает легко пройти путь от первоначальной концепции до развернутой модели.

Разметка: радикальное ускорение#

Разметка данных традиционно была одной из самых трудоемких частей любого проекта в области компьютерного зрения. Ultralytics Platform значительно ускоряет этот процесс и позволяет работать с данными там, где они хранятся.

Ты можешь загружать исходные изображения, видео или архивы наборов данных, импортировать уже размеченные наборы данных в формате YOLO или COCO либо клонировать общедоступные наборы данных, которыми поделилось сообщество Ultralytics. Начинаешь ли ты с нуля или используешь уже проделанную работу — данные готовы к использованию сразу после загрузки на платформу.

Если изображения или видео еще не размечены, встроенный редактор разметки поможет значительно ускорить этот процесс. Он поддерживает все основные задачи компьютерного зрения: от обнаружения объектов и сегментации экземпляров до оценки позы, обнаружения объектов с ориентированными ограничивающими рамками (OBB) и классификации изображений. Инструменты редактора рассчитаны на скорость и точность.

Главная особенность редактора — интеллектуальная разметка на базе SAM 3. С помощью Segment Anything Model 3 (SAM 3) можно создавать точные маски, ограничивающие рамки или ориентированные рамки: достаточно щелкнуть по объекту и уточнить результат несколькими точками. То, на что раньше уходили часы ручной обводки, теперь занимает минуты, позволяя командам создавать качественные наборы данных темпами, соответствующими скорости разработки.

Рис. 3. Пример интеллектуальной разметки на базе SAM в Ultralytics Platform (Источник)

Шаблоны скелетов поз, сочетания клавиш, управление классами прямо в редакторе и поддержка отмены и повтора действий дополняют инструменты разметки, разработанные так, чтобы ты мог не отвлекаться от работы.

Обучение: мощно и просто#

Когда данные размечены, для запуска обучения достаточно одного щелчка. Ultralytics YOLO26, YOLO11 и все семейство моделей Ultralytics YOLO поддерживаются изначально. Их можно обучать прямо на платформе с использованием облачных графических процессоров (GPUs) или на локальном оборудовании, передавая метрики на платформу.

Выбирай из широкого набора облачных GPU, включая RTX 4090, RTX PRO 6000, NVIDIA A100, H100 и другие, или обучай модели на собственном локальном оборудовании, передавая метрики на платформу в реальном времени. Каждый эксперимент автоматически упорядочивается по проектам, объединяющим связанные модели. Так проще отслеживать влияние разных наборов данных, параметров и конфигураций на результаты и находить наиболее эффективные модели.

Следи за изменением функций потерь, точности, полноты и среднего значения точности (mAP) от эпохи к эпохе. Изучай матрицы ошибок и кривые точности-полноты, чтобы точно понимать, в каких случаях модель работает хорошо, а где ее можно улучшить. Сравнивай несколько запусков, чтобы найти конфигурацию с лучшими результатами.

Рис. 2. Мониторинг хода обучения в Ultralytics Platform (Источник)

Ultralytics Platform также автоматически управляет ключевыми этапами жизненного цикла обучения. Контрольные точки сохраняются на протяжении всего обучения, сохраняя и модель с наилучшими показателями, и итоговые обученные веса. Предварительно обученные модели можно настраивать прямо на платформе, а обученные модели — загружать на платформу или скачивать для использования в других средах. Это дает командам полную свободу в выборе способов и условий работы.

Не нужно настраивать инфраструктуру. Не нужно подключать отдельный сервис отслеживания экспериментов. Только понятный и эффективный путь от размеченных данных до обученной модели, готовой к работе в реальном мире.

Развертывай по всему миру и следи за всем#

Хорошо обученной модели нужен столь же эффективный путь в production. Ultralytics Platform предоставляет такой путь.

Сначала проверь результаты инференса модели прямо в браузере. Убедившись в результатах, разверни модель в 43 регионах мира с выделенными конечными точками, которые автоматически масштабируются в соответствии со спросом. Каждая конечная точка получает уникальную конечную точку API, готовую к интеграции в твои приложения.

Рис. 4. Ultralytics Platform поддерживает развертывание моделей в 43 регионах мира. (Источник)

Развертывай модели в облаке или запускай их на периферийных устройствах — Ultralytics Platform предлагает гибкие варианты для обоих сценариев. Все модели Ultralytics YOLO изначально оптимизированы для эффективной работы в разных средах и обеспечивают надежную производительность даже на периферийном оборудовании с ограниченными вычислительными ресурсами. Если команде нужно запускать модели вне платформы, Ultralytics поддерживает экспорт в 17 проверенных форматов, включая ONNX, TensorRT, CoreML, TFLite и OpenVINO, поэтому модели будут работать изначально в облачных сервисах, на мобильных устройствах, периферийных системах и не только.

После запуска моделей встроенные средства мониторинга на панели развертывания обеспечивают полный обзор их производительности в production: объема запросов, задержки, частоты ошибок, состояния конечных точек и подробных журналов. Ты также можешь просматривать журналы, проверять состояние конечных точек и отслеживать производительность с течением времени, чтобы системы компьютерного зрения надежно работали в production и чтобы находить возможности для оптимизации.

Начни сегодня или изучи документацию Ultralytics, чтобы подробнее узнать о возможностях платформы.

Делаем разработку визуального ИИ доступной каждому#

Изучая Ultralytics Platform, ты быстро поймешь, что ее цель — не просто предоставить инструменты для создания систем компьютерного зрения. В основе платформы лежит стремление сделать разработку визуального ИИ доступнее и удобнее для широкого круга пользователей.

Раньше для создания и развертывания систем ИИ требовались специализированная инфраструктура, сложные инструменты и значительные первоначальные вложения. Даже когда обучать мощные модели стало проще, сопутствующий рабочий процесс — управление наборами данных, проведение экспериментов, развертывание моделей и обслуживание инфраструктуры — оставался труднодоступным для частных специалистов и небольших команд.

Ultralytics Platform снижает эти барьеры, объединяя весь рабочий процесс разработки визуального ИИ в одной среде и упрощая начало работы. Новые пользователи могут начать экспериментировать с платформой на бесплатном тарифе, который включает бонусные кредиты для облачного обучения и доступ к основным функциям: управлению наборами данных, инструментам разметки, обучению моделей и их экспорту.

По мере роста проектов пользователи и корпоративные клиенты могут масштабировать работу, докупая кредиты и переходя на тарифные планы платформы с дополнительными вычислительными ресурсами, хранилищем, возможностями совместной работы и емкостью для развертывания. Благодаря такому гибкому подходу разработчики, исследователи, стартапы и крупные компании могут начать с малого, свободно экспериментировать и расширять использование по мере подготовки своих систем компьютерного зрения к запуску в production.

Объединяя сквозной рабочий процесс для компьютерного зрения с доступной моделью ценообразования, Ultralytics Platform помогает большему числу людей создавать, тестировать и развертывать реальные приложения визуального ИИ.

Главные выводы#

Ultralytics Platform объединяет весь жизненный цикл визуального ИИ в одном мощном рабочем пространстве, ускоряя путь от исходных данных до готовых к production систем визуального ИИ. Благодаря встроенным инструментам для разметки, обучения, развертывания и мониторинга команды могут создавать и развертывать такие модели, как Ultralytics YOLO26, Ultralytics YOLO11, Ultralytics YOLO11 и устаревшие модели YOLO, не управляя сложной инфраструктурой.

Платформа поможет тебе на каждом этапе — будь то эксперименты с первой моделью или развертывание визуального ИИ в большом масштабе.

Присоединяйся к нашему сообществу и знакомься с инновациями в таких областях, как ИИ в производстве и визуальный ИИ в розничной торговле. Посети наш репозиторий на GitHub и начни работать с компьютерным зрением уже сегодня — изучи наши варианты лицензирования.