YOLO orientierte Objekterkennung
Erkenne Objekte in jedem Winkel mit rotierten Bounding Boxes. Ultralytics YOLO26 OBB-Modelle passen exakt zu Schiffen, Fahrzeugen, Gebäuden und Text, wo achsenparallele Boxen überlappen und versagen – ideal für Luft- und Satellitenbilder.
YOLO26 OBB-Modelle
YOLO26-obb-Modelle sagen rotierte Bounding Boxes bei einer Auflösung von 1024 Pixeln vorher und sind für Luft- und Satellitenbilder konzipiert, bei denen Objekte in beliebigen Winkeln erscheinen. Fünf Größen bieten einen Kompromiss zwischen Geschwindigkeit und Genauigkeit, und alle lassen sich mit dem Standard-Workflow auf benutzerdefinierten Datensätzen mit rotierten Boxen feinabstimmen.
pip install ultralyticsfrom ultralytics import YOLO
# Load a YOLO26 OBB model
model = YOLO("yolo26n-obb.pt")
# Run inference
results = model("image.jpg")| Modell | Größe (px) | mAP 50-95 (e2e) | mAP 50 (e2e) | CPU ONNX (ms) | T4 TensorRT (ms) | Parameter (M) | FLOPs (B) |
|---|---|---|---|---|---|---|---|
| YOLO26n-obb | 1024 | 52.4 | 78.9 | 97.7 ± 0.9 | 2.8 ± 0.0 | 2.5 | 14.0 |
| YOLO26s-obb | 1024 | 54.8 | 80.9 | 218.0 ± 1.4 | 4.9 ± 0.1 | 9.8 | 55.1 |
| YOLO26m-obb | 1024 | 55.3 | 81.0 | 579.2 ± 3.8 | 10.2 ± 0.3 | 21.2 | 183.3 |
| YOLO26l-obb | 1024 | 56.2 | 81.6 | 735.6 ± 3.1 | 13.0 ± 0.2 | 25.6 | 230.0 |
| YOLO26x-obb | 1024 | 56.7 | 81.7 | 1485.7 ± 11.5 | 30.5 ± 0.9 | 57.6 | 516.5 |
Benchmarks für YOLO26 orientierte Erkennung aus der Ultralytics-Dokumentation.
Vertrauenswürdig für die weltweit führenden Organisationen
Die Wirkung unserer Modelle
Optimiere Prozesse branchenübergreifend mit unseren hochmodernen Vision-KI-Modellen. Geschwindigkeit, Genauigkeit und Benutzerfreundlichkeit, bereitgestellt von Ultralytics.
Die Entwicklung der Ultralytics YOLO Modelle
Erfahre, wie sich Ultralytics YOLO vom praktischen YOLOv5-Workflow zur Edge-Ready YOLO26-Inferenz entwickelt hat.
Machte Echtzeit-Objekterkennung zugänglich mit einem schnellen, praktischen PyTorch-Workflow.
Erweiterung des einheitlichen Workflows auf Erkennung, Segmentierung, Klassifizierung, Pose und OBB.
Verbesserte Genauigkeit, Geschwindigkeit und Effizienz bei gleichbleibend vertrautem Ultralytics-Workflow.
Einführung von End-to-End-Inferenz und einer Architektur, die für eine effiziente Edge-Bereitstellung optimiert ist.
Annotiere bis zu 10x schneller mit intelligenter Annotation
Die Ultralytics Platform bietet dir das Bildannotationstool, um schneller hochwertige Datensätze zu erstellen. Von intelligenter Annotation bis hin zur präzisen manuellen Bearbeitung sind diese Funktionen darauf ausgelegt, die Zeit für die Bildbeschriftung zu verkürzen, ohne dabei an Qualität einzubüßen.
- SAM-gestützte intelligente Annotation: Masken und Bounding Boxes mit nur einem Klick.
- Vollständige Abdeckung von KI-Aufgaben: Detektion, Instanzsegmentierung, semantische Segmentierung, Klassifizierung, Pose, OBB.
- Unterstützung universeller Formate: Deine Wahl aus YOLO, COCO, VOC und mehr.
- Team-Review und Versionierung: Klare Zusammenarbeit bei jedem Schritt.
Trainiere auf den besten GPUs für weniger Geld
26 NVIDIA GPUs ab $0,24/Std. – von Ampere bis Blackwell. Kein Aufschlag, keine Mindestlaufzeiten, keine Verpflichtung.
Überall bereitstellen
Exportiere in 20 Formate und deploye auf Edge, Cloud und Mobilgeräten.
Branchenlösungen erkunden
Sieh dir an, wie Teams Ultralytics Computer Vision in Produktionsumgebungen einsetzen.
KI in der Landwirtschaft
KI in der Automobilindustrie
KI im Gesundheitswesen
KI in der Logistik
KI in der Fertigung
KI im Einzelhandel
KI in der Robotik
KI in der Landwirtschaft
KI in der Automobilindustrie
KI im Gesundheitswesen
KI in der Logistik
KI in der Fertigung
KI im Einzelhandel
KI in der Robotik
KI in der Landwirtschaft
KI in der Automobilindustrie
KI im Gesundheitswesen
KI in der Logistik
KI in der Fertigung
KI im Einzelhandel
KI in der Robotik
Häufig gestellte Fragen
Orientierte Objekterkennung sagt rotierte Bounding Boxes vorher, die der tatsächlichen Ausrichtung jedes Objekts entsprechen, anstatt achsenparalleler Rechtecke. Bei länglichen oder dicht gepackten Objekten — Schiffe in einem Hafen, Fahrzeuge auf einem Parkplatz, Textzeilen in einem Dokument — passen rotierte Boxen eng an und vermeiden die Überlappung, die Standardboxen mehrdeutig macht.
Verwende OBB, wenn Objekte in beliebigen Rotationen erscheinen und ihre Ausrichtung oder genaue Ausdehnung wichtig ist: bei Luft- und Satellitenbildern, Drohneninspektionen, Dokumentenanalysen und industriellen Szenen, die von oben betrachtet werden. Wenn Objekte hauptsächlich aufrecht stehen und die Ausrichtung irrelevant ist, ist die Standard-Objekterkennung einfacher und ebenso effektiv.
Ultralytics YOLO26 OBB-Modelle sind der empfohlene Ausgangspunkt, vorab trainiert auf dem DOTA-Benchmark für Luftbilder und in Größen von Nano bis Extra-Large verfügbar. Sie teilen sich denselben Trainings-, Validierungs- und Export-Workflow wie jede andere Ultralytics YOLO-Aufgabe.
Annotiere rotierte Boxen im YOLO OBB-Format und führe den Train-Modus aus, oder verwende die Ultralytics Plattform, um zu annotieren, auf Cloud-GPUs zu trainieren und die Ergebnisse im Browser auszuwerten. Das Fine-Tuning mit vortrainierten DOTA-Gewichten ist der schnellste Weg für die meisten Luftbild-Datensätze.
Exportiere OBB-Modelle mit dem Export-Modus in ONNX, TensorRT, OpenVINO und andere Formate. Die Ausgaben mit rotierten Boxen werden direkt vom exportierten Modell erzeugt, was Inference-Pipelines auf Edge-Geräten, Drohnen und Servern einfach hält.
Baue orientierte Erkennung mit Ultralytics
Annotiere rotierte Boxen, trainiere YOLO26 OBB-Modelle und stelle sie überall mit der Ultralytics Plattform bereit.