Представляем Ultralytics Platform: самый умный способ разметки, обучения и развертывания vision AI

Мы создали экосистему с открытым исходным кодом Ultralytics, чтобы сделать компьютерное зрение доступным для каждого. Миллионы разработчиков по всему миру теперь обучают модели Ultralytics YOLO для обеспечения работы всего: от производственных линий инспекции до автономных систем доставки.

Но на протяжении многих лет мы слышали один и тот же отзыв от сообщества: обучение мощной модели больше не является самым большим барьером в компьютерном зрении. Им является ее вывод в продакшн.

Сегодня мы меняем это. Встречай Ultralytics Platform: совершенную комплексную платформу, специально созданную для того, чтобы перенести твой ИИ для компьютерного зрения от «сырых» данных до развертывания промышленного уровня в реальных условиях.

Link to this sectionРазрыв между отличной моделью и отличным продуктом#

За последнее десятилетие компьютерное зрение и глубокое обучение быстро эволюционировали из исследований в критически важную инфраструктуру, обеспечивающую работу систем в реальном мире. Это обеспечивает контроль качества на производственных площадках, позволяет внедрять магазины без кассиров, направляет хирургическую робототехнику и удерживает автономные транспортные средства на курсе. Модели стали как никогда мощными, но путь от работающего прототипа до надежной производственной системы? Он все еще сложнее, чем должен быть.

Сегодня большинство команд объединяют разрозненные инструменты для аннотирования, обучения, отслеживания экспериментов, развертывания и мониторинга. Каждая интеграция добавляет сложности. Каждая передача этапа замедляет темп. И недели могут незаметно исчезнуть на управление инфраструктурой вместо разработки самого приложения.

Работая в тесном сотрудничестве с разработчиками, стартапами и корпоративными командами в сообществе компьютерного зрения, мы постоянно сталкивались с тремя проблемами:

• Узкое место аннотирования: высокопроизводительные модели требуют высококачественных размеченных данных, но создание и поддержка таких наборов данных остаются медленными и трудоемкими процессами.
• Разрыв в развертывании: для модели, которая хорошо работает при обучении, могут потребоваться недели дополнительной инженерной работы для надежного запуска на периферийных устройствах, в облачных средах и производственных системах.
• Налог на фрагментацию инструментов: распределение процесса аннотирования, обучения, отслеживания и развертывания по нескольким сервисам создает дополнительные накладные расходы, которые замедляют каждый цикл итераций.

Эти повторяющиеся проблемы являются определяющим узким местом современной разработки компьютерного зрения и тем, что в конечном итоге привело нас к созданию Ultralytics Platform. Упрощение рабочего процесса от подготовки данных до развертывания и объединение ключевых этапов разработки компьютерного зрения позволяет командам легче переходить от многообещающих моделей к реальным системам ИИ для компьютерного зрения.

Link to this sectionВесь жизненный цикл ИИ для компьютерного зрения в одном месте#

Ultralytics Platform объединяет каждый этап рабочего процесса компьютерного зрения: от управления данными до аннотирования, обучения моделей, развертывания и мониторинга. Все в едином подключенном рабочем пространстве, чтобы снизить сложность и ускорить путь от идеи до результата.

Загружай свои изображения или видео. Размечай их с помощью встроенных инструментов аннотирования. Обучай модели, такие как Ultralytics YOLO26, прямо на платформе. Развертывай по всему миру. Мониторь производительность в режиме реального времени. Каждый этап перетекает в следующий, поэтому ты можешь сосредоточиться на создании своего приложения, а не на управлении инфраструктурой.

Рис 1. Взгляд на Ultralytics Platform (Источник)

Link to this sectionОт идеи до развертывания: как работает Ultralytics Platform#

Превращение идеи компьютерного зрения в работающую систему включает в себя несколько этапов: от подготовки данных до запуска моделей в продакшн. Ultralytics Platform организует этот процесс в четкий и простой конвейер, который помогает тебе легко перейти от первоначальной концепции к развернутой модели.

Link to this sectionАннотирование: радикально ускорено#

Разметка данных традиционно была одной из самых трудоемких частей любого проекта по компьютерному зрению. Ultralytics Platform делает этот процесс значительно быстрее и разработана так, чтобы работать с тобой там, где хранятся твои данные.

Ты можешь загружать сырые изображения, видео или архивы наборов данных, импортировать наборы данных, уже размеченные в форматах YOLO или COCO, или клонировать публичные наборы данных, которыми поделилось сообщество Ultralytics. Независимо от того, начинаешь ли ты с нуля или строишь на основе существующей работы, твои данные готовы к использованию сразу после попадания на платформу.

Если твои изображения или видео еще не размечены, встроенный редактор аннотаций значительно ускорит этот процесс. Он поддерживает все основные задачи компьютерного зрения, от обнаружения объектов и сегментации экземпляров до оценки позы, обнаружения с помощью ориентированных ограничивающих рамок (OBB) и классификации изображений, с инструментами, разработанными для скорости и точности.

Выдающейся возможностью здесь является интеллектуальное аннотирование на базе SAM 3. Используя Segment Anything Model 3 (SAM 3), ты можешь генерировать точные маски, ограничивающие рамки или ориентированные рамки, просто кликая по объекту и уточняя его несколькими точками. То, на что раньше уходили часы ручной обводки, теперь занимает минуты, давая командам возможность создавать высококачественные наборы данных с темпом, соответствующим их скорости разработки.

Рис 3. Пример интеллектуального аннотирования на базе SAM на платформе Ultralytics Platform (Источник)

Шаблоны скелетов поз, сочетания клавиш, встроенное управление классами, а также поддержка отмены/повтора действий завершают процесс аннотирования, созданный для того, чтобы ты оставался в рабочем потоке.

Link to this sectionОбучение: без усилий, но мощно#

Как только твои данные размечены, обучение доступно в один клик. Ultralytics YOLO26, YOLO11 и все семейство моделей Ultralytics YOLO поддерживаются нативно и могут быть обучены непосредственно на платформе с использованием облачных графических процессоров (GPU) или обучены на локальном оборудовании с потоковой передачей метрик обратно на платформу.

Выбирай из широкого спектра вариантов облачных GPU, включая RTX 4090, RTX PRO 6000, NVIDIA A100, H100 и другие, или обучай на своем собственном локальном оборудовании, транслируя метрики в реальном времени обратно на платформу. Каждый эксперимент автоматически организуется в проекты, которые группируют связанные модели, что упрощает отслеживание того, как различные наборы данных, параметры и конфигурации влияют на результаты, и выявление наиболее эффективных моделей.

Отслеживай кривые потерь, точность, полноту и среднюю среднюю точность (mAP) по мере их эволюции от эпохи к эпохе. Погружайся в матрицы ошибок и кривые точности-полноты, чтобы точно понять, где твоя модель работает хорошо, а где ее можно улучшить. Сравнивай несколько запусков бок о бок, чтобы найти конфигурацию, которая дает наилучшие результаты.

Рис 2. Взгляд на мониторинг прогресса обучения с помощью Ultralytics Platform (Источник)

Ultralytics Platform также автоматически управляет ключевыми этапами жизненного цикла обучения. Контрольные точки сохраняются на протяжении всего обучения, сохраняя как самую эффективную модель, так и финальные обученные веса. Предобученные модели можно дообучать непосредственно внутри платформы, а обученные модели можно загружать или скачивать для использования в других средах, предоставляя командам полную гибкость в том, как и где они работают.

Никакой инфраструктуры для настройки. Никакого отдельного сервиса для отслеживания экспериментов для настройки. Просто четкий, эффективный путь от размеченных данных до обученной модели, готовой к реальному миру.

Link to this sectionРазвертывай по всему миру, мониторь всё#

Хорошо обученная модель нуждается в столь же эффективном пути к продакшну. Ultralytics Platform обеспечивает это.

Начни с проверки результатов вывода твоей модели прямо в браузере. Когда ты будешь уверен в результатах, разверни их в 43 глобальных регионах с помощью выделенных эндпоинтов, которые автоматически масштабируются в соответствии со спросом, каждый с уникальным API-эндпоинтом, готовым к интеграции в твои приложения.

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

Независимо от того, нужно ли тебе развернуть решение в облаке или запустить модели на периферийных устройствах, Ultralytics Platform предоставляет гибкие возможности, разработанные для обоих сценариев. Все модели Ultralytics YOLO нативно оптимизированы для эффективной работы в различных средах, обеспечивая надежную производительность даже на периферийном оборудовании с ограниченными вычислительными ресурсами. Для команд, которым нужно запускать модели вне платформы, Ultralytics поддерживает экспорт в 17 проверенных форматов, включая ONNX, TensorRT, CoreML, TFLite и OpenVINO, поэтому твои модели работают нативно в облачных сервисах, на мобильных устройствах, периферийных системах и т.д.

Как только твои модели запущены, встроенный мониторинг в панели управления развертываниями дает тебе полную видимость производительности в продакшне: объем запросов, метрики задержки, частота ошибок, состояние эндпоинтов и подробные логи. Ты также можешь просматривать логи, проверять статус работоспособности эндпоинтов и отслеживать производительность во времени, чтобы обеспечить надежную работу твоих систем компьютерного зрения в продакшне и выявить возможности для оптимизации производительности.

Начни сегодня или изучи документацию Ultralytics, чтобы глубже понять, на что способна платформа.

Link to this sectionДемократизация разработки ИИ для компьютерного зрения#

Изучая Ultralytics Platform дальше, ты быстро поймешь, что ее цель выходит за рамки просто предоставления инструментов для создания систем компьютерного зрения. По своей сути платформа создана, чтобы помочь сделать разработку ИИ для компьютерного зрения более доступной и удобной для более широкого сообщества.

Исторически сложилось так, что создание и развертывание ИИ-систем требовало специализированной инфраструктуры, сложного инструментария и значительных первоначальных инвестиций. Даже когда мощные модели стало легче обучать, окружающий рабочий процесс — управление наборами данных, проведение экспериментов, развертывание моделей и поддержка инфраструктуры — оставался трудным для доступа отдельным лицам и небольшим командам.

Ultralytics Platform снижает эти барьеры, объединяя весь рабочий процесс ИИ для компьютерного зрения в единую среду, одновременно облегчая начало работы. Новые пользователи могут начать экспериментировать с платформой через бесплатный план, который включает кредиты на регистрацию для облачного обучения и доступ к основным функциям, таким как управление наборами данных, инструменты аннотирования, обучение моделей и экспорт моделей.

По мере роста проектов пользователи или корпоративные клиенты могут масштабироваться с помощью дополнительных кредитов и планов платформы, которые открывают доступ к большему количеству вычислительных ресурсов, хранилищу, функциям совместной работы и возможностям развертывания. Этот гибкий подход означает, что разработчики, исследователи, стартапы и предприятия могут начать с малого, свободно экспериментировать и расширять использование по мере перехода их систем компьютерного зрения к продакшну.

Объединяя комплексный рабочий процесс компьютерного зрения с доступной моделью ценообразования, Ultralytics Platform помогает открыть двери для большего количества людей, желающих создавать, тестировать и развертывать реальные приложения ИИ для компьютерного зрения.

Link to this sectionОсновные выводы#

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

Независимо от того, экспериментируешь ли ты со своей первой моделью или развертываешь ИИ для компьютерного зрения в больших масштабах, платформа разработана для поддержки каждого этапа этого пути.

Присоединяйся к нашему сообществу и открывай для себя инновации, такие как ИИ в производстве и ИИ для компьютерного зрения в ритейле. Посети наш репозиторий на GitHub и начни работу с компьютерным зрением уже сегодня, ознакомившись с нашими вариантами лицензирования.