Coming soon
Ultralytics YOLO27 模型
四种尺寸在 NVIDIA RTX PRO 6000 上以 0.62-2.32 毫秒的速度在 COCO 上达到 42.3-60.4 mAP。YOLO27l 是第一个超越 60 mAP 的 Ultralytics 模型，并且 M 和 L 模型可进行端到端检测，无需 NMS 步骤。
深受行业领导者信赖
Ultralytics YOLO27 的新功能
双尺度检测
YOLO27n 和 YOLO27s 使用两个检测尺度，在基本上与 YOLO26 相同的速度下实现更高的准确率。
小目标准确率
更宽的高分辨率阶段帮助 YOLO27n 和 YOLO27s 捕获更精细的细节并定位小目标。
前景对齐
YOLO27n 和 YOLO27s 在训练期间学会将目标与背景分离，且不增加推理成本。
无 NMS 检测
YOLO27m 和 YOLO27l 直接输出最终检测结果，省去了 NMS 步骤，从而简化了部署管道。
为什么要加入候选项列表？
YOLO27 即将推出。注册一次，我们将为你发送重要的更新。
Ultralytics YOLO 模型一览
从速度、准确率和支持的视觉任务等方面比较近期的 Ultralytics YOLO 模型系列。
| 功能 |  |  |  |  |  |
|---|---|---|---|---|---|
| 速度 图像处理时间 | 0.54 毫秒 | 0.47 毫秒 | 0.56 毫秒 | 0.67 毫秒 | 0.62 毫秒 |
| 准确率 mAP50-95 | 34.3% | 37.3% | 39.5% | 40.9% | 42.3% |
| 目标检测 | |||||
| 实例分割 | - | ||||
| 语义分割 | - | - | |||
| 深度估计 | - | - | - | ||
| 图像分类 | - | ||||
| 姿态估计 | - | ||||
| OBB 检测 | - |
为什么选择 Ultralytics YOLO27？
首个超越 60 mAP 的 Ultralytics 模型
YOLO27l 在 640 像素下达到 60.4 mAP（2.3 毫秒），在 800 像素下达到 61.2 mAP（2.9 毫秒），在 GPU 上保持实时运行。
以相同速度实现更高准确率
YOLO27m 在相同的延迟下提高了 YOLO27m 的准确率，是生产 GPU 的默认选择。
YOLO26 的直接替代品
相同的 YOLO 类以及相同的 train、validate、predict 和 export API。只有模型文件会改变。
一个系列，七项任务
检测、实例和语义分割、深度、分类、姿态和有向检测：共 28 个模型。
行业专用模型
八个面向制造、物流、安全和无人机的 Enterprise 模型，外加四种尺寸的 YOLOE-27。
清晰的许可条款
在 AGPL-3.0 和 Enterprise 许可下，为学术、开源和商业用途提供灵活选项。
查看我们的模型实际运行效果
Camerite 借助 Ultralytics YOLO 将开发时间缩短 25.2%
了解 Camerite 如何使用 Ultralytics YOLO 自动执行视频监控，将开发时间缩短，并帮助城市转向主动式安防。
OnsiteIQ 借助 Ultralytics YOLO11 将项目延误减少 20%
了解 OnsiteIQ 如何使用 Ultralytics YOLO11 监控施工现场，将项目延误减少 20%，并将争议解决速度提升至 3 倍。
mtrail 的 TrainVision 将铁路数据采集时间缩短近 100%
了解 mtrail 的 TrainVision 如何使用 Ultralytics YOLO 自动执行铁路数据采集，将耗时最多减少 100%，并将错误减少 90%。
Glacier Robotics 将美国各回收设施的 PET 泄漏减少了 70%
了解 Glacier Robotics 如何使用 Ultralytics YOLO11 将 PET 泄漏减少 70%，提升回收准确率，并自动执行废物分拣。
SOHGA 借助 Ultralytics YOLO 将停车监控时间减少 30%
了解 SOHGA 的 MEGURU 系统如何使用 Ultralytics YOLO26 自动执行停车场巡检，将巡检时间减少 30%，并提升安全性。
Scaleout 借助 Ultralytics YOLO 将模型更新从数周缩短至数小时
了解 Scaleout 如何使用 Ultralytics YOLO 和联邦学习，在确保敏感数据安全的同时，于边缘设备上微调 AI 模型。
RapiD Engineering 借助 Ultralytics YOLO 将海鲜质量控制部署提前 1 周完成
了解 RapiD Engineering 如何使用 Ultralytics YOLO 自动执行鲑鱼检测、实时发现缺陷，并节省一周的工程工作时间。
Project Ocean Oasis 借助 Ultralytics YOLO 推进珊瑚礁保护
了解 Project Ocean Oasis 如何使用 Ultralytics YOLO、边缘 AI 和自主监控系统，扩大珊瑚礁保护和海洋智能的规模。
Volley 借助 Ultralytics YOLO 为 250+ 名场上训练者提供 AI 训练
“真正令人满意的是，该模型在训练器上的边缘硬件上能够很好地实时运行，而且我们可以在云端使用同一个模型，执行完全相同的流程。”
WG Tech Solutions 借助 Ultralytics YOLO 和 Axelera 的 AI Accelerator 将安全违规减少 28%
了解 WG Tech Solutions 如何借助 Ultralytics YOLO 和 Axelera 的 AI Accelerator，将制造业中的安全违规减少 28%
Stride 借助 Ultralytics YOLO 在 1 分钟内完成马匹步态分析
了解 Stride 如何利用 Ultralytics YOLO 模型进行马匹姿态估计，在 1 分钟内完成完整的步态分析。
Pixelabs 借助 Ultralytics YOLO 驱动的自动化实现 95% 召回率
了解 Pixelabs 如何利用 Ultralytics YOLO 模型自动执行工作流程，并实现 95% 的召回率。
SiteAssist 通过使用 Ultralytics YOLO 处理 770K+ 张图像，提升现场安全性
了解 SiteAssist 如何利用 Ultralytics YOLO 模型提升施工现场安全性。
Chef Robotics 使用 Ultralytics YOLO 将食品赠送率降低 67%
探索 Chef Robotics 如何使用 Ultralytics YOLO 模型实现精准食品组装。
Cali Intelligence 借助 Ultralytics YOLO 将结账队列缩短 43%
探索 Cali Intelligence 如何使用 Ultralytics YOLO 模型，通过对象检测减少零售结账排队。
MarineSitu 使用 Ultralytics YOLO 实现水下监测，正常运行时间达到 96% 以上
了解 MarineSitu 如何使用 Ultralytics YOLO 改变水下对象检测。
Theia Scientific 使用 Ultralytics YOLO 将显微镜分析速度提升 43 倍
了解 Theia Scientific 如何使用 Ultralytics YOLO 重新定义显微镜数据分析。
eSmart Systems 借助 Ultralytics YOLO 将电力线路巡检时间缩短一半
了解 eSmart Systems 如何使用 Ultralytics YOLO 提升缺陷检测速度，改变公用设施巡检。
Axelera AI 使用 Ultralytics YOLO 实现 34 FPS 的边缘 AI 推理
了解 Axelera AI 如何利用 Ultralytics YOLO，在 Metis AI 芯片上实现快速、准确且高效的边缘视觉。
STMicroelectronics 在 MCU 上运行 Ultralytics YOLO，每次推理仅耗电 9.4 mJ
了解 STMicroelectronics 如何在低功耗微控制器上高效部署 Ultralytics YOLO 模型，实现边缘侧精准的实时推理。
Specialvideo 使用 Ultralytics YOLO 将食品检测准确率提升至 99%
了解 Specialvideo 如何使用 Ultralytics YOLO 模型实现实时 AI 食品检测，确保质量、减少浪费并提升效率。
Vivity AI 借助 Ultralytics YOLO 每年为工业运营节省 500 万美元以上
了解 Vivity AI 如何利用 Ultralytics YOLO 模型增强工业自动化，提升效率、减少停机时间并确保工作场所安全。
Videologic Analytics 借助 Ultralytics YOLO 将 AI 摄像头许可规模扩大至 10K
了解 Videologic Analytics 如何集成 Ultralytics YOLO 模型以增强视频监控，提升检测准确率、减少误报并优化实时威胁监测。
Prezent 借助 Ultralytics YOLO 将幻灯片检测准确率提升 34%
了解 Prezent 如何利用 Ultralytics YOLO 模型自动检测幻灯片元素，在保留结构和设计的同时，将处理时间缩短至 10 秒以内。
ALYCE 借助 Ultralytics YOLO 将交通 AI 推理速度提升 20%
了解 ALYCE 如何使用 Ultralytics YOLO 模型提升数据准确性、优化城市交通，并为可持续发展的智慧城市打造 AI 驱动的交通解决方案。
Kiwitron 使用 Ultralytics YOLO 检测 30 米外的工业危险
探索 Kiwitron 如何在其 KewiEye 解决方案中使用 Ultralytics YOLO 模型检测并处理工业危险，提升安全性。
Camerite 借助 Ultralytics YOLO 将开发时间缩短 25.2%
了解 Camerite 如何使用 Ultralytics YOLO 自动执行视频监控，将开发时间缩短，并帮助城市转向主动式安防。
OnsiteIQ 借助 Ultralytics YOLO11 将项目延误减少 20%
了解 OnsiteIQ 如何使用 Ultralytics YOLO11 监控施工现场，将项目延误减少 20%，并将争议解决速度提升至 3 倍。
mtrail 的 TrainVision 将铁路数据采集时间缩短近 100%
了解 mtrail 的 TrainVision 如何使用 Ultralytics YOLO 自动执行铁路数据采集，将耗时最多减少 100%，并将错误减少 90%。
Glacier Robotics 将美国各回收设施的 PET 泄漏减少了 70%
了解 Glacier Robotics 如何使用 Ultralytics YOLO11 将 PET 泄漏减少 70%，提升回收准确率，并自动执行废物分拣。
SOHGA 借助 Ultralytics YOLO 将停车监控时间减少 30%
了解 SOHGA 的 MEGURU 系统如何使用 Ultralytics YOLO26 自动执行停车场巡检，将巡检时间减少 30%，并提升安全性。
Scaleout 借助 Ultralytics YOLO 将模型更新从数周缩短至数小时
了解 Scaleout 如何使用 Ultralytics YOLO 和联邦学习，在确保敏感数据安全的同时，于边缘设备上微调 AI 模型。
RapiD Engineering 借助 Ultralytics YOLO 将海鲜质量控制部署提前 1 周完成
了解 RapiD Engineering 如何使用 Ultralytics YOLO 自动执行鲑鱼检测、实时发现缺陷，并节省一周的工程工作时间。
Project Ocean Oasis 借助 Ultralytics YOLO 推进珊瑚礁保护
了解 Project Ocean Oasis 如何使用 Ultralytics YOLO、边缘 AI 和自主监控系统，扩大珊瑚礁保护和海洋智能的规模。
Volley 借助 Ultralytics YOLO 为 250+ 名场上训练者提供 AI 训练
“真正令人满意的是，该模型在训练器上的边缘硬件上能够很好地实时运行，而且我们可以在云端使用同一个模型，执行完全相同的流程。”
WG Tech Solutions 借助 Ultralytics YOLO 和 Axelera 的 AI Accelerator 将安全违规减少 28%
了解 WG Tech Solutions 如何借助 Ultralytics YOLO 和 Axelera 的 AI Accelerator，将制造业中的安全违规减少 28%
Stride 借助 Ultralytics YOLO 在 1 分钟内完成马匹步态分析
了解 Stride 如何利用 Ultralytics YOLO 模型进行马匹姿态估计，在 1 分钟内完成完整的步态分析。
Pixelabs 借助 Ultralytics YOLO 驱动的自动化实现 95% 召回率
了解 Pixelabs 如何利用 Ultralytics YOLO 模型自动执行工作流程，并实现 95% 的召回率。
SiteAssist 通过使用 Ultralytics YOLO 处理 770K+ 张图像，提升现场安全性
了解 SiteAssist 如何利用 Ultralytics YOLO 模型提升施工现场安全性。
Chef Robotics 使用 Ultralytics YOLO 将食品赠送率降低 67%
探索 Chef Robotics 如何使用 Ultralytics YOLO 模型实现精准食品组装。
Cali Intelligence 借助 Ultralytics YOLO 将结账队列缩短 43%
探索 Cali Intelligence 如何使用 Ultralytics YOLO 模型，通过对象检测减少零售结账排队。
MarineSitu 使用 Ultralytics YOLO 实现水下监测，正常运行时间达到 96% 以上
了解 MarineSitu 如何使用 Ultralytics YOLO 改变水下对象检测。
Theia Scientific 使用 Ultralytics YOLO 将显微镜分析速度提升 43 倍
了解 Theia Scientific 如何使用 Ultralytics YOLO 重新定义显微镜数据分析。
eSmart Systems 借助 Ultralytics YOLO 将电力线路巡检时间缩短一半
了解 eSmart Systems 如何使用 Ultralytics YOLO 提升缺陷检测速度，改变公用设施巡检。
Axelera AI 使用 Ultralytics YOLO 实现 34 FPS 的边缘 AI 推理
了解 Axelera AI 如何利用 Ultralytics YOLO，在 Metis AI 芯片上实现快速、准确且高效的边缘视觉。
STMicroelectronics 在 MCU 上运行 Ultralytics YOLO，每次推理仅耗电 9.4 mJ
了解 STMicroelectronics 如何在低功耗微控制器上高效部署 Ultralytics YOLO 模型，实现边缘侧精准的实时推理。
Specialvideo 使用 Ultralytics YOLO 将食品检测准确率提升至 99%
了解 Specialvideo 如何使用 Ultralytics YOLO 模型实现实时 AI 食品检测，确保质量、减少浪费并提升效率。
Vivity AI 借助 Ultralytics YOLO 每年为工业运营节省 500 万美元以上
了解 Vivity AI 如何利用 Ultralytics YOLO 模型增强工业自动化，提升效率、减少停机时间并确保工作场所安全。
Videologic Analytics 借助 Ultralytics YOLO 将 AI 摄像头许可规模扩大至 10K
了解 Videologic Analytics 如何集成 Ultralytics YOLO 模型以增强视频监控，提升检测准确率、减少误报并优化实时威胁监测。
Prezent 借助 Ultralytics YOLO 将幻灯片检测准确率提升 34%
了解 Prezent 如何利用 Ultralytics YOLO 模型自动检测幻灯片元素，在保留结构和设计的同时，将处理时间缩短至 10 秒以内。
ALYCE 借助 Ultralytics YOLO 将交通 AI 推理速度提升 20%
了解 ALYCE 如何使用 Ultralytics YOLO 模型提升数据准确性、优化城市交通，并为可持续发展的智慧城市打造 AI 驱动的交通解决方案。
Kiwitron 使用 Ultralytics YOLO 检测 30 米外的工业危险
探索 Kiwitron 如何在其 KewiEye 解决方案中使用 Ultralytics YOLO 模型检测并处理工业危险，提升安全性。
Camerite 借助 Ultralytics YOLO 将开发时间缩短 25.2%
了解 Camerite 如何使用 Ultralytics YOLO 自动执行视频监控，将开发时间缩短，并帮助城市转向主动式安防。
OnsiteIQ 借助 Ultralytics YOLO11 将项目延误减少 20%
了解 OnsiteIQ 如何使用 Ultralytics YOLO11 监控施工现场，将项目延误减少 20%，并将争议解决速度提升至 3 倍。
mtrail 的 TrainVision 将铁路数据采集时间缩短近 100%
了解 mtrail 的 TrainVision 如何使用 Ultralytics YOLO 自动执行铁路数据采集，将耗时最多减少 100%，并将错误减少 90%。
Glacier Robotics 将美国各回收设施的 PET 泄漏减少了 70%
了解 Glacier Robotics 如何使用 Ultralytics YOLO11 将 PET 泄漏减少 70%，提升回收准确率，并自动执行废物分拣。
SOHGA 借助 Ultralytics YOLO 将停车监控时间减少 30%
了解 SOHGA 的 MEGURU 系统如何使用 Ultralytics YOLO26 自动执行停车场巡检，将巡检时间减少 30%，并提升安全性。
Scaleout 借助 Ultralytics YOLO 将模型更新从数周缩短至数小时
了解 Scaleout 如何使用 Ultralytics YOLO 和联邦学习，在确保敏感数据安全的同时，于边缘设备上微调 AI 模型。
RapiD Engineering 借助 Ultralytics YOLO 将海鲜质量控制部署提前 1 周完成
了解 RapiD Engineering 如何使用 Ultralytics YOLO 自动执行鲑鱼检测、实时发现缺陷，并节省一周的工程工作时间。
Project Ocean Oasis 借助 Ultralytics YOLO 推进珊瑚礁保护
了解 Project Ocean Oasis 如何使用 Ultralytics YOLO、边缘 AI 和自主监控系统，扩大珊瑚礁保护和海洋智能的规模。
Volley 借助 Ultralytics YOLO 为 250+ 名场上训练者提供 AI 训练
“真正令人满意的是，该模型在训练器上的边缘硬件上能够很好地实时运行，而且我们可以在云端使用同一个模型，执行完全相同的流程。”
WG Tech Solutions 借助 Ultralytics YOLO 和 Axelera 的 AI Accelerator 将安全违规减少 28%
了解 WG Tech Solutions 如何借助 Ultralytics YOLO 和 Axelera 的 AI Accelerator，将制造业中的安全违规减少 28%
Stride 借助 Ultralytics YOLO 在 1 分钟内完成马匹步态分析
了解 Stride 如何利用 Ultralytics YOLO 模型进行马匹姿态估计，在 1 分钟内完成完整的步态分析。
Pixelabs 借助 Ultralytics YOLO 驱动的自动化实现 95% 召回率
了解 Pixelabs 如何利用 Ultralytics YOLO 模型自动执行工作流程，并实现 95% 的召回率。
SiteAssist 通过使用 Ultralytics YOLO 处理 770K+ 张图像，提升现场安全性
了解 SiteAssist 如何利用 Ultralytics YOLO 模型提升施工现场安全性。
Chef Robotics 使用 Ultralytics YOLO 将食品赠送率降低 67%
探索 Chef Robotics 如何使用 Ultralytics YOLO 模型实现精准食品组装。
Cali Intelligence 借助 Ultralytics YOLO 将结账队列缩短 43%
探索 Cali Intelligence 如何使用 Ultralytics YOLO 模型，通过对象检测减少零售结账排队。
MarineSitu 使用 Ultralytics YOLO 实现水下监测，正常运行时间达到 96% 以上
了解 MarineSitu 如何使用 Ultralytics YOLO 改变水下对象检测。
Theia Scientific 使用 Ultralytics YOLO 将显微镜分析速度提升 43 倍
了解 Theia Scientific 如何使用 Ultralytics YOLO 重新定义显微镜数据分析。
eSmart Systems 借助 Ultralytics YOLO 将电力线路巡检时间缩短一半
了解 eSmart Systems 如何使用 Ultralytics YOLO 提升缺陷检测速度，改变公用设施巡检。
Axelera AI 使用 Ultralytics YOLO 实现 34 FPS 的边缘 AI 推理
了解 Axelera AI 如何利用 Ultralytics YOLO，在 Metis AI 芯片上实现快速、准确且高效的边缘视觉。
STMicroelectronics 在 MCU 上运行 Ultralytics YOLO，每次推理仅耗电 9.4 mJ
了解 STMicroelectronics 如何在低功耗微控制器上高效部署 Ultralytics YOLO 模型，实现边缘侧精准的实时推理。
Specialvideo 使用 Ultralytics YOLO 将食品检测准确率提升至 99%
了解 Specialvideo 如何使用 Ultralytics YOLO 模型实现实时 AI 食品检测，确保质量、减少浪费并提升效率。
Vivity AI 借助 Ultralytics YOLO 每年为工业运营节省 500 万美元以上
了解 Vivity AI 如何利用 Ultralytics YOLO 模型增强工业自动化，提升效率、减少停机时间并确保工作场所安全。
Videologic Analytics 借助 Ultralytics YOLO 将 AI 摄像头许可规模扩大至 10K
了解 Videologic Analytics 如何集成 Ultralytics YOLO 模型以增强视频监控，提升检测准确率、减少误报并优化实时威胁监测。
Prezent 借助 Ultralytics YOLO 将幻灯片检测准确率提升 34%
了解 Prezent 如何利用 Ultralytics YOLO 模型自动检测幻灯片元素，在保留结构和设计的同时，将处理时间缩短至 10 秒以内。
ALYCE 借助 Ultralytics YOLO 将交通 AI 推理速度提升 20%
了解 ALYCE 如何使用 Ultralytics YOLO 模型提升数据准确性、优化城市交通，并为可持续发展的智慧城市打造 AI 驱动的交通解决方案。
Kiwitron 使用 Ultralytics YOLO 检测 30 米外的工业危险
探索 Kiwitron 如何在其 KewiEye 解决方案中使用 Ultralytics YOLO 模型检测并处理工业危险，提升安全性。
加入 Ultralytics YOLO27 候选项列表
在 YOLO27 准备就绪时获取产品更新和发布通知。