Поддержка Ultralytics
Найди ответы в документации, обратись к сообществу или свяжись напрямую с нашей командой.
Найди помощь по теме
Найди нужную тему ниже, чтобы получить пошаговые инструкции, учебные материалы и рекомендации по устранению неполадок.
Аннотирование
Разметка, форматы датасетов и устранение неполадок при аннотировании
Подробнее
Обучение
Настройка обучения, ошибки GPU и CUDA, повышение точности
Подробнее
Развертывание
Форматы экспорта, развертывание на периферии и в облаке, инференс
Подробнее
Агенты
Визуальные рабочие процессы с YOLO, моделями «зрение — язык», условиями и оповещениями
Подробнее
Модели Ultralytics YOLO
Выбор модели, режимы предсказания и руководства по архитектуре
Подробнее
API
Настройка SDK, справочник REST API и помощь с интеграцией
Подробнее
Лицензия Ultralytics YOLO
AGPL-3.0 и Enterprise, соответствие требованиям и оплата
ПодробнееИз блога
Лучшие инструменты для создания синтетических данных для обучения моделей компьютерного зрения
Сравнение инструментов для создания синтетических данных для компьютерного зрения по методу: 3D-симуляция, генеративные модели и аугментация, а также тестирование с Ultralytics YOLO.
Ultralytics на AMD Embedded AI Working Group в Дублине
Узнай, как Ultralytics и AMD изучали физический ИИ, робототехнику и внедрение компьютерного зрения на мероприятии AMD Embedded AI Working Group 2026 в Дублине.
Как выбрать VLM для автоматической разметки по точности и полноте
Выбирай VLM для автоматической разметки по точности и полноте: какие модели оставляют меньше лишних рамок, пропускают меньше объектов и как проверить их на собственных данных.
ONNX и TensorRT для инференса в компьютерном зрении: бенчмарки и рекомендации по выбору
ONNX Runtime и TensorRT для инференса в компьютерном зрении: измеренные скорость и точность Ultralytics YOLO26 на 19 GPU NVIDIA и рекомендации по выбору.
Обнаружение отсутствующих СИЗ: обучение Ultralytics YOLO на Construction-PPE
Посмотри, как в Construction-PPE размечены отсутствующие каски, жилеты и перчатки, а затем обучи Ultralytics YOLO обнаруживать отсутствие СИЗ на камерах твоего объекта.
Руководство по наборам данных для обнаружения дронов: обучение Ultralytics YOLO на крошечных БПЛА
Сравни наборы данных DUT Anti-UAV, Drone-vs-Bird и для обнаружения дронов в тепловизионном диапазоне, а затем обучи Ultralytics YOLO26 находить крошечные дроны и сокращать число ложных срабатываний.
ИИ для медицинской визуализации, соответствующий HIPAA: что охватывает BAA и как обучать модели на данных пациентов
Узнай, какие требования предъявляются к ИИ, соответствующему HIPAA, для медицинской визуализации, что охватывает BAA от Ultralytics и как аннотировать данные пациентов, обучать на них модели и развертывать их.
Лучшие модели оценки глубины: как выбрать
Сравни модели монокулярной оценки глубины, например Depth Anything, Depth Pro, Metric3D, UniDepth и Ultralytics YOLO26, для измерения глубины, периферийных устройств и робототехники.
Как перенести модели Ultralytics YOLO из W&B в Ultralytics Platform
Импортируй модели Ultralytics YOLO из Weights & Biases (W&B) в Ultralytics Platform без повторного обучения, а затем сравнивай эксперименты, экспортируй модели и развёртывай их.
GPT-6.1 Terra занимает первое место в авторазметке, обойдя флагманские модели OpenAI
Авторазметка GPT-6.1 Terra обходит 39 моделей в нашем рейтинге VLM: 0.560 mAP50 за $4.36 на 1 000 изображений — впереди GPT-6.1 Sol и Gemini 4 Argon.
Авторазметка MiniMax-M3.1-Flash: почему меньше рассуждений дало более точные рамки
Авторазметка MiniMax-M3.1-Flash в Ultralytics Platform: 0.317 mAP50 за $1.84 на 1 000 изображений после настройки и 0.86 при обнаружении кораблей на SAR-снимках.
Авторазметка Kimi K3.1 Pro: на треть лучше, чем K3, при высоком уровне усилий
Авторазметка Kimi K3.1 Pro набирает 0.444 mAP50 на UL37 — на треть больше, чем Kimi K3. Узнай, почему мы используем высокий уровень усилий, сколько это стоит и в чём модель показывает лучшие результаты.
Ultralytics YOLO и NVIDIA Cosmos Data Factory: синтетические данные для обнаружения дефектов
Синтетические данные NVIDIA Cosmos Data Factory и агентный цикл обучения помогают Ultralytics YOLO26 достигать точности обнаружения дефектов на уровне полного набора данных, используя меньше размеченных примеров.
Авторазметка Gemini 4 Argon: самые точные рамки среди 39 моделей
Авторазметка Gemini 4 Argon в Ultralytics Platform: 2-е место среди 39 моделей, максимальная точность (0.667), первое место в 6 из 12 областей, $7.60 за 1 000 изображений до 30 ноября.
Открытые вычисления, открытое зрение: AMD на Ultralytics YOLO Vision 2026
Узнай, как AMD представила открытые вычисления на Ultralytics YOLO Vision 2026: доклад о ROCm, практические семинары и демонстрации запуска YOLO на GPU AMD Radeon.
Лучшие модели классификации изображений: как выбрать
Сравни ведущие модели классификации изображений — от ConvNeXt V2 и DINOv3 до EfficientNetV2, ViT и Ultralytics YOLO26-cls — и узнай, как выбрать подходящую.
Семантическая сегментация и сегментация экземпляров: как выбрать подходящую задачу
Семантическая сегментация присваивает класс каждому пикселю, а сегментация экземпляров выделяет каждый объект отдельно. Узнай, что нужно твоему проекту в области компьютерного зрения и почему.
Ultralytics на Arm Create 2026: компьютерное зрение в реальном времени на периферийных устройствах
Главные события с участием Ultralytics на Arm Create 2026 в Шэньчжэне: развертывание Ultralytics YOLO для периферийного ИИ в реальном времени, панельная дискуссия о моделях и новый Arm AI Portal.
Встреча Ultralytics: Лондон
Итоги встречи Ultralytics в Лондоне: первый взгляд на YOLO27, демонстрации Ultralytics Platform и дискуссия об ИИ для компьютерного зрения с участием NVIDIA и Arm.
Мониторинг на Ultralytics Platform: контролируй работу развёрнутых решений для компьютерного зрения
Отслеживай развёрнутые модели ИИ для компьютерного зрения с помощью Ultralytics Platform. Следи за состоянием конечных точек, задержкой, ошибками, журналами и статистикой предсказаний в реальном времени.
Представляем Ultralytics Agents: создавай рабочие процессы визуального ИИ быстрее
Создавай рабочие процессы визуального ИИ с помощью Ultralytics Agents. Объединяй модели YOLO, визуально-языковые модели, условия, наборы данных и уведомления Slack на одной рабочей области.
Представляем Ultralytics AutoTrain: упрости обучение моделей компьютерного зрения
Обучай, сравнивай и улучшай модели Ultralytics YOLO с AutoTrain на Ultralytics Platform — от первого базового решения до развертывания в production.
Главные моменты Ultralytics YOLO Vision 2026!
Главные моменты YOLO Vision 2026: Ultralytics представила Ultralytics YOLO27 и показала AutoTrain, Agents и Monitoring на Ultralytics Platform.
Ultralytics YOLO26 теперь поддерживает оценку глубины по монокулярному изображению
Узнай, как новая задача оценки глубины в Ultralytics YOLO26 предсказывает глубину для каждого пикселя в метрическом масштабе по одному RGB-изображению — без стереосистемы и LiDAR.
Лучшие платформы для аннотирования изображений в компьютерном зрении
Сравнение девяти платформ для аннотирования изображений в компьютерном зрении: CVAT, Encord, Label Studio, Labelbox, Roboflow, Scale AI, SuperAnnotate, Ultralytics и V7.
Автоматическое обнаружение дефектов на производстве: сравнение платформ
Сравнение платформ автоматического обнаружения дефектов: Cognex, Instrumental, Keyence, Landing AI, Overview и Ultralytics, а также выбор задачи модели под дефект.
Сколько стоит компьютерное зрение для предприятий: модель TCO
Модель расчета совокупных затрат на компьютерное зрение для предприятий: данные, аннотирование, камеры, периферийное оборудование, обучение, инференс, интеграция и повторное обучение.
Проверка сборки и защита от ошибок с помощью компьютерного зрения
Как компьютерное зрение проверяет комплектность, правильность и последовательность сборки: проектирование станции визуального контроля, выбор задачи модели, интеграция с PLC и валидация.
Масштабирование инференса компьютерного зрения: сравнение семи платформ
Сравнение семи платформ инференса для компьютерного зрения: Azure ML, KServe, NVIDIA Triton, Roboflow, SageMaker AI, Ultralytics и Vertex AI — по задержке и масштабируемости.
Ultralytics YOLO Vision 2026: всё, что нужно знать
Присоединяйся к Ultralytics YOLO Vision 2026 13 сентября в Шэньчжэне или онлайн: новые модели YOLO, запуск продуктов, живые демонстрации и реальные решения в области визуального ИИ.
Часто задаваемые вопросы
Да. Помимо стандартной поддержки, Ultralytics предлагает услуги индивидуальной разработки командам, которым нужна практическая помощь во внедрении YOLO в веб-продукты, мобильные приложения или облачные продукты. Это включает обучение моделей, проектирование архитектуры развёртывания и разработку индивидуальных решений. Свяжись с отделом продаж, чтобы обсудить свои требования и получить смету.
О проблемах с пакетом YOLO с открытым исходным кодом сообщай, создав issue на GitHub. По вопросам, связанным именно с Ultralytics Platform, например с заданиями обучения, развёртываниями или оплатой, воспользуйся формой обратной связи на платформе или обратись по выделенному каналу поддержки, если у тебя тариф Enterprise.
Время ответа сообщества зависит от активности на форуме и GitHub, однако наша команда стремится отвечать на issues GitHub в течение 24 часов. Клиенты Enterprise получают гарантированное время ответа, установленное договорным SLA с учётом размера и потребностей их организации.
Клиенты Enterprise получают персонального SE/CSM, договорный SLA, часы консультаций с SE, структурированное подключение с контрольными точками, поддержку по подготовке проекта к запуску и ежеквартальные обзоры бизнеса. Эта программа предназначена для организаций, которые используют Ultralytics в крупном масштабе и с первого дня хотят иметь прямую связь с нашей командой. Свяжись с отделом продаж, чтобы обсудить подходящий вариант для своей организации.
Планы Free и Pro включают доступ к поддержке сообщества и нашему активному форуму, где ты можешь задавать вопросы, делиться проектами и получать ответы от других разработчиков и команды Ultralytics. Кроме того, тебе доступна документация Ultralytics, GitHub и видеоуроки на все темы — от разметки до развертывания.
Давай вместе строить будущее ИИ!
Начни свой путь в будущее машинного обучения