Планы Ultralytics
От моделей, благодаря которым ИИ для компьютерного зрения в реальном времени стал доступен миллионам, до будущих релизов. Вот что мы уже выпустили и что появится дальше.
Релиз, благодаря которому обнаружение объектов в реальном времени стало доступно миллионам: нативная поддержка PyTorch, высокая скорость и удивительно простое обучение.
Единый фреймворк для обнаружения, сегментации, классификации, оценки позы и ориентированных ограничивающих рамок.
Усовершенствованная архитектура обеспечивает более высокую точность при меньшем количестве параметров; модель представили на Ultralytics YOLO Vision 2024.
Наша текущая рекомендуемая модель — быстрее, точнее и готова к использованию в production для всех задач компьютерного зрения.
Комплексная платформа для аннотирования данных, обучения моделей YOLO и развёртывания в 42 регионах мира — всё в одном месте.
Наши первые модели семантической сегментации — плотная попиксельная классификация для понимания всей сцены.
Высокопроизводительная библиотека инференса YOLO и CLI на Rust, запускающая модели через ONNX Runtime с API, разработанным по образцу пакета Ultralytics для Python.
Запускай модели YOLO прямо в браузере — без сервера и Python. Они работают на WebGPU с автоматическим переходом на CPU и wasm, а доступ к ним предоставляет компактный API на TypeScript, использующий крейт Rust, скомпилированный в WebAssembly.
Научная статья о YOLO26: подробное описание сквозной архитектуры без NMS, нового оптимизатора MuSGD и оптимального баланса точности и задержки среди всех пяти масштабов моделей.
Более быстрое и точное отслеживание нескольких объектов: более стабильная идентификация объектов при перекрытиях и в плотных сценах на реальных видео.
- Re-ID — повторная идентификация обеспечивает согласованность идентификаторов объектов между камерами и после перекрытий
Встроенная дистилляция знаний сжимает большие модели-учителя в меньшие и более быстрые модели-ученики, помогая сохранить точность для эффективного развертывания на периферийных устройствах и в системах реального времени.
Модели YOLO26 для оценки глубины строят плотные карты расстояний для каждого пикселя по изображению с одной RGB-камеры, добавляя пространственное восприятие в 3D без специализированных датчиков глубины и лидара.
Ask AI помогает обучать, сравнивать и улучшать модели в диалоге — от базового запуска до следующего эксперимента.
Визуальный конструктор рабочих процессов, который связывает модели YOLO, условия и визуально-языковые модели с такими действиями, как сбор датасетов и оповещения в Slack.
Отслеживай запросы к эндпоинтам, задержки, ошибки и журналы, а также статистику предсказаний в реальном времени и временные примеры на выделенных эндпоинтах.
Флагманское поколение YOLO, представленное в прямом эфире на Ultralytics YOLO Vision 2026, расширит семейство моделями для работы с изображениями и языком. Запишись в список ожидания.
YOLOE-27 — это новое поколение моделей реального времени для детекции и сегментации с открытым словарём, способных распознавать любые объекты по тексту, изображению или без подсказок.
Разработаны для розничной торговли, складов, систем безопасности и аэрофотосъёмки с дронов; доступны только клиентам Enterprise.
Экспортируй модели YOLO в новый формат .aimodel от Apple для среды выполнения Core AI после выхода iOS 27 и macOS 27 в общий доступ, сохранив поддержку Core ML для более широкой совместимости с устройствами.
Запускай платформу в собственной инфраструктуре и полностью контролируй данные и обучение.
В течение 2027 года семейство YOLO пополнится новыми возможностями:
- YOLO-OCR — быстрое и точное распознавание текста
- YOLO-Face — распознавание и анализ лиц
- YOLO-Stereo3D — стереоскопическая 3D-детекция по изображениям с пары бинокулярных камер для робототехники; альтернатива лидару, изначально рассчитанная на работу с камерой
Создавай на базе новейшей YOLO
Начни обучать и развертывать модели с YOLO26 уже сегодня — и будь готов ко всему, что впереди.